Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://bibliotecatede.uninove.br/handle/tede/3160
Tipo do documento: Tese
Título: Percepção de valor dos Fatores Críticos de Sucesso do projeto (FCS) sob a visão do cliente: uma proposta de sistema de inteligência artificial baseado em redes neurais artificiais para priorização dos FCS
Título(s) alternativo(s): Perception of value of the project's Critical Success Factors (CSF) under the customer's viewpoint: a proposed artificial intelligence system based on artificial neural networks to prioritize CSF
Autor: Sakalauskas, Eduardo de Carvalho 
Primeiro orientador: Bizarrias, Flavio Santino
Primeiro membro da banca: Bizarrias, Flavio Santino
Segundo membro da banca: Scafuto, Isabel Cristina
Terceiro membro da banca: Martens, Cristina Dai Prá
Quarto membro da banca: Machado, Michel Mott
Quinto membro da banca: Martens, Mauro Luiz
Resumo: O objetivo desta tese é propor um sistema de inteligência artificial baseado em redes neurais artificiais para priorização dos fatores críticos de sucesso do projeto (FCS) por meio do perfil demográfico do cliente. Entender a prioridade dos FCS sob a visão do cliente pode auxiliar o gerente de projetos a focar recursos em itens que podem satisfazer o cliente, melhorando assim as chances de sucesso do projeto, uma vez que a literatura apresenta a satisfação do cliente como um dos principais itens para a obtenção do sucesso do projeto. Esta tese foi dividida em três estudos que relacionados buscam: i) identificar o direcionamento dos FCS indicados na teoria, ii) identificar a diferença na percepção de sucesso do projeto entre o gerente de projetos e o cliente do projeto, iii) identificar os FCS que representam maior valor para o cliente do projeto, iv) relacionar o perfil do cliente com os FCS e v) criar um sistema de inteligência artificial baseado em redes neurais que classifique em prioridade os FCS. Por meio de uma bibliometria de pareamento com pesquisas dos últimos 10 anos sobre FCS e utilizando como técnica estatística a Análise Fatorial Exploratória (AFE), foi possível identificar o direcionamento acadêmico do tema e que as discussões sobre FCS tangem cinco principais áreas, a saber, i) Parcerias Público-Privadas (PPP), ii) Projetos Sustentáveis, iii) Desenvolvimento de Software, iv) Construção e v) Projetos Públicos. Também se evidenciou que os FCS são elucidados a partir da percepção de especialistas, equipes ou GP e mesmo que possuam em comum a satisfação do cliente como fundamental antecedente para o sucesso do projeto, não existem pesquisas em que o cliente demonstre quais FCS são mais importantes, também foi possível criar uma lista única com os FCS comuns entre os projetos. No segundo estudo, uma pesquisa de satisfação foi realizada com clientes de 84 projetos considerados de sucesso no contexto da indústria brasileira, evidenciando que uma porcentagem de clientes não estava satisfeita e que a percepção do GP pode estar enviesada. A análise das respostas indicou que o GP possui uma visão mais otimista do projeto e que o cliente não possuía a mesma percepção sobre o projeto, ou seja, enquanto para o cliente o projeto não indicava pleno sucesso, a percepção do GP era o contrário e que o projeto havia sido um sucesso. Para o terceiro estudo, foi realizado uma pesquisa com 347 clientes de projetos, em sua maioria liderança de produção, gerentes e diretores atuantes na indústria brasileira e responsáveis por validação de projetos em suas respectivas áreas, em que foi possível relacionar FCS com o perfil do cliente. Essa relação foi alcançada por meio de um sistema de inteligência artificial conhecido como machine learning baseado em redes neurais artificiais, esse método simula o funcionamento de um cérebro humano, e além de possibilitar que o sistema aprenda com novos dados inseridos na base de respostas, também é possível que os parâmetros sejam alterados, modificados ou mesmo incrementados se adequando ao contexto de qualquer empresa baseada em projetos, ou seja, se o comportamento do cliente se modificar ao longo do tempo, o sistema aprenderá e modificará a priorização indicada, ou se novas pesquisas identificarem relação com outros dados de perfil, o sistema também receberá esses parâmetros e os considerará na resposta e até mesmo se os FCS se alterarem ao longo do tempo e por tipo de projeto, a rede neural poderá se adaptar e reaprender com os novos dados.
Abstract: The objective of this thesis is to propose an artificial intelligence system based on artificial neural networks for prioritizing the critical success factors of the project (CSF) through the demographic profile of the client. Understanding the priority of the FCS from the customer's point of view can help the project manager to focus resources on items that can satisfy the customer, thus improving the project's chances of success, since the literature presents customer satisfaction as one of the main factors. items for achieving project success. This thesis was divided into three related studies that seek to: i) identify the direction of the CSF indicated in theory, ii) identify the difference in the perception of project success between the project manager and the project client, iii) identify the CSF that represents greater value for the project's client, iv) relate the client's profile with the FCS and v) create an artificial intelligence system based on neural networks that prioritize the FCS. Through paired bibliometrics with research from the last 10 years on FCS and using Exploratory Factor Analysis (EFA) as a statistical technique, it was possible to identify the academic direction of the theme and that discussions on FCS touch on five main areas, namely, i) Public-Private Partnerships (PPP), ii) Sustainable Projects, iii) Software Development, iv) Construction and v) Public Projects. It was also evident that the FCS is elucidated from the perception of specialists, teams, or GP, and even though they have in common customer satisfaction as a fundamental antecedent for the success of the project, there are no studies in which the client demonstrates which FCS is most important, it was also possible to create a single list with common FCS across projects. In the second study, a satisfaction survey was carried out with clients of 84 projects considered successful in the context of the Brazilian industry, showing that a percentage of clients were not satisfied and that the GP's perception may be biased. The analysis of the answers indicated that the GP has a more optimistic view of the project and that the client did not have the same perception about the project, that is, while for the client the project did not indicate complete success, the perception of the GP was the opposite and that the project had been a success. For the third study, a survey was carried out with 347 project clients, mostly production leaders, managers, and directors working in the Brazilian industry and responsible for project validation in their respective areas, in which it was possible to relate FCS to the profile of the client. This relationship was achieved through an artificial intelligence system known as machine learning based on artificial neural networks, this method simulates the functioning of a human brain, and in addition to allowing the system to learn from new data inserted in the response base, it also it is possible for the parameters to be altered, modified or even increased, adapting to the context of any project-based company, that is, if the client's behavior changes over time, the system will learn and modify the indicated prioritization, or if new surveys identify relationships with other profile data, the system will also receive these parameters and consider them in the response, and even if the FCS change over time and by type of project, the neural network can adapt and relearn with the new data.
Palavras-chave: sucesso do projeto
redes neurais artificiais
inteligência artificial
satisfação do cliente
valor ao cliente
project success
artificial neural networks
artificial intelligence
customer satisfaction
customer value
Área(s) do CNPq: CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO
Idioma: por
País: Brasil
Instituição: Universidade Nove de Julho
Sigla da instituição: UNINOVE
Departamento: Administração
Programa: Programa de Pós-Graduação em Gestão de Projetos
Citação: Sakalauskas, Eduardo de Carvalho. Percepção de valor dos Fatores Críticos de Sucesso do projeto (FCS) sob a visão do cliente: uma proposta de sistema de inteligência artificial baseado em redes neurais artificiais para priorização dos FCS. 2023. 118 f. Tese( Programa de Pós-Graduação em Gestão de Projetos) - Universidade Nove de Julho, São Paulo.
Tipo de acesso: Acesso Aberto
URI: http://bibliotecatede.uninove.br/handle/tede/3160
Data de defesa: 16-Dez-2023
Aparece nas coleções:Programa de Pós-Graduação em Gestão de Projetos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Eduardo de Carvalho Sakalauskas.pdfEduardo de Carvalho Sakalauskas1,05 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.