Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/jspui/handle/123456789/13451
Title: Análise estatística da produção de cimento no Brasil e sua relação com o PIB da construção civil.
Authors: Souza, Ana Carolina Rodrigues da Rocha
metadata.dc.contributor.advisor: Gomes, Helton Cristiano
Guimarães, Irce Fernandes Gomes
Keywords: Construção civil
Cimento - produção
Produto interno bruto - PIB
Economia - ciência de dados
Issue Date: 2021
metadata.dc.contributor.referee: Gomes, Helton Cristiano
Guimarães, Irce Fernandes Gomes
Souza, Clarisse da Silva Vieira Camelo de
Muniz, Leandro Reis
Citation: SOUZA, Ana Carolina Rodrigues da Rocha. Análise estatística da produção de cimento no Brasil e sua relação com o PIB da construção civil. 2021. 78 f. Dissertação (Mestrado Profissional em Engenharia das Construções) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.
Abstract: A Indústria da Construção Civil (ICC) possui considerável participação no PIB brasileiro. O PIB deste setor mantém-se, geralmente, acima dos 5% ao ano, o que resulta em um forte impacto na economia do país. Como há elevada necessidade de mão de obra e insumos, a ICC gera renda devido à oferta de empregos e movimenta a economia dos demais setores. O cimento é um recurso altamente utilizado na construção civil, sendo empregado em quase todas as obras de infraestrutura. Devido ao fato de ser o principal componente do concreto, faz com que este insumo seja amplamente utilizado, com isso, ocupa o segundo lugar entre os materiais mais utilizados no mundo, perdendo apenas para a água, e o Brasil encontra-se entre os 10 maiores produtores deste insumo. Estudos têm mostrado como os dados desempenham papel fundamental dentro de uma organização, oferecendo insights capazes de auxiliar nas tomadas de decisões estratégicas, assegurando competitividade no mercado. As organizações geram com alta velocidade, grandes volumes de dados que não possuem padrões em sua estrutura e podem ser captados em tempo real. Porém, esses dados tornam-se inúteis caso informações valiosas não sejam extraídas, fazendo-se necessária a utilização da Mineração de Dados (MD) e da Aprendizagem de Máquina (AM), que possuem métodos capazes de identificar padrões e correlações, realizar associações e fazer predições. Essa dissertação teve como objetivo avaliar o comportamento da produção de cimento no Brasil, baseando-se em seus dados históricos. Com isso foi possível identificar tendências e períodos de sazonalidade na série temporal (ST), bem como fazer previsões para períodos futuros. Feito isso, analisouse a existência de correlação entre a produção de cimento e o PIB da ICC no Brasil, sendo essa hipótese confirmada por testes estatísticos. Dada a forte correlação positiva entre as ST´s, foi possível propor modelos de AM para tentar predizer o PIB da ICC com base na produção anual de cimento no Brasil. Os modelos utilizados mostraram-se eficientes, apresentando elevada acurácia, isto é, coeficientes de determinação superiores a 80%. Com base nos erros de previsão, foi possível concluir que os métodos de Ensemble Learning melhor se adaptaram aos dados, com destaque para o Random Forest. Os resultados obtidos podem auxiliar os gestores da ICC a tomarem melhores decisões, permitindo a eles prepararem-se para as oscilações do mercado.
metadata.dc.description.abstracten: The Civil Construction Industry (CCI) has a considerable participation in the Brazilian GDP. The GDP of this sector generally remains above 5% per year, which results in a strong impact on the country's economy. As there is a high need for manpower and inputs, the ICC generates income due to the offer of jobs and drives the economy of the other sectors. Cement is a resource widely used in civil construction, being used in almost all infrastructure works. In addition, it is the main component of concrete, the second most used material in the world, second only to water, and Brazil is among the 10 largest producers of this input. Studies have shown how data plays a key role within an organization, offering insights capable of assisting in strategic decision making, ensuring competitiveness in the market. Organizations generate large volumes of data at high speed that have no standards in their structure and can be captured in real time. However, this data becomes useless if valuable information is not extracted, making it necessary to use Data Mining (DM) and Machine Learning (ML), which have methods capable of identifying patterns and correlations, making associations and make predictions. This dissertation aimed to evaluate the behavior of cement production in Brazil, based on its historical data. Therewith, it was possible to identify trends and seasonality periods in the time series (TS), as well as to make forecasts for future periods. After that, the existence of a correlation between the cement production and the GDP of the CCI in Brazil was analyzed, and this hypothesis was confirmed by statistical tests. Given the strong positive correlation between the TS´s, it was possible to propose models of ML to try to predict the GDP of the CCI based on the annual cement production in Brazil. The models used proved to be efficient, presenting high accuracy, in other words, determination coefficients greater than 80%. Based on the forecasting errors, it was possible to conclude that the methods of Ensemble Learning were better adapted to the data, with emphasis on the Random Forest. The results obtained can help CCI managers to make better decisions, allowing them to prepare for market fluctuations.
Description: Programa de Pós-Graduação em Engenharia das Construções. Departamento de Engenharia Civil, Escola de Minas, Universidade Federal de Ouro Preto.
URI: http://www.repositorio.ufop.br/jspui/handle/123456789/13451
metadata.dc.rights.license: Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 22/07/2021 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.
Appears in Collections:MECOM - Mestrado (Dissertações)

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO_AnáliseEsatísticaProdução.pdf2,2 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons