O mercado de equipamentos para DJs apresentou forte crescimento nos últimos anos, impulsionado pelo avanço do entretenimento digital e da cultura musical, o que revelou uma lacuna no Brasil para a proteção e personalização desses itens de alto custo. Películas protetoras surgiram como uma solução para atender simultaneamente à necessidade de conservação e customização. O objetivo do estudo foi desenvolver um plano de negócio para uma empresa de películas personalizadas para equipamentos de DJ, avaliando sua viabilidade de mercado e financeira. A metodologia adotada baseou-se em análises de dados secundários de acesso público, incluindo tendências de mercado, benchmarking internacional, análise da concorrência e construção de projeções financeiras. Os resultados indicaram uma demanda existente parcialmente não atendida e oportunidades de diferenciação por meio de maiores opções de personalização e melhor posicionamento estratégico via redes sociais. A análise financeira demonstrou a viabilidade econômica do projeto, com geração de lucro no primeiro ano de operação, investimento seguro e margem de lucro confortável sobre o produto. Concluiu-se que a criação da empresa é viável e financeiramente vantajosa, com baixo custo inicial de investimento, desde que focada em diferenciação, variedade de produtos e estratégias de mercado adequadas.

Palavras-chave: Análise estratégica; Customização; Empreendedorismo; Varejo online; Viabilidade econômica.

O cenário de expansão dos meios de pagamento instantâneo e a consolidação das fintechs no Brasil intensificaram a exposição dos usuários a fraudes financeiras digitais. O estudo objetivou mapear o uso das principais transações financeiras, avaliar o cenário de fraudes, contestações e devoluções, e relacionar esses achados às práticas de governança corporativa e compliance. A metodologia foi descritiva, com abordagem mista, e utilizou dados secundários oficiais do Banco Central, CVM e Febraban, no período de 2023 a 2025. Aplicaram-se técnicas de Business Intelligence e visualização de dados com Power BI para analisar a volumetria de transações, especialmente via Pix, e identificar padrões de contestações e devoluções pelo Mecanismo Especial de Devolução (MED). Os resultados revelaram o crescimento expressivo do Pix em quantidade e valor, o aumento acelerado das contestações e uma notável discrepância entre os valores aceitos e os efetivamente devolvidos via MED. Constatou-se também a elevação no número de usuários com marcações de fraude. Concluiu-se que a integração entre governança corporativa e mecanismos de prevenção a fraudes, incluindo compliance, auditoria e transparência institucional, é fundamental para a resiliência do sistema financeiro. A prevenção eficaz requer a união de tecnologia, governança e cultura organizacional para fortalecer a segurança e a confiança dos usuários.

Palavras-chave: Business intelligence; Governança corporativa; Mecanismo Especial de Devolução; Pix; Prevenção.

A precificação de projetos de desenvolvimento de software, especialmente no contexto de customizações realizadas por empresas de desenvolvimento e consultorias de implementação, representou um desafio recorrente devido à subjetividade das estimativas e à dificuldade de padronização dos critérios utilizados. O estudo teve como objetivo analisar a aplicação da Inteligência Artificial como ferramenta de apoio ao processo de precificação de customizações de software. A metodologia adotada caracterizou-se como um estudo exploratório e quantitativo, estruturado a partir de um experimento comparativo. Nele, analisaram-se precificações realizadas por métodos tradicionais e compararam-se esses valores com estimativas geradas por modelos de Inteligência Artificial, o que permitiu identificar divergências, possíveis vieses e diferenças quanto à agilidade do processo. A investigação utilizou 20 customizações previamente estimadas por um consultor humano especialista em software OSGT. Os resultados indicaram que a utilização da Inteligência Artificial proporcionou maior rapidez na geração de estimativas e favoreceu a padronização dos resultados, além de possibilitar maior escalabilidade por meio do processamento simultâneo de múltiplas solicitações de precificação. Observou-se também que a eficácia das estimativas geradas dependeu diretamente da qualidade e do nível de detalhamento do escopo das customizações analisadas, concluindo-se que a IA é uma ferramenta viável e relevante para o apoio à decisão.

Palavras-chave: Automação de processos; Customização de software; Estimativa de esforço; Padronização de estimativa.

O crescimento das transações financeiras digitais nas últimas décadas demandou mecanismos mais eficientes de validação e prevenção a fraudes, exigindo soluções tecnológicas escaláveis e integradas. Desenvolveu-se uma API RESTful para o gerenciamento de transações financeiras, a conversão cambial com base nas taxas oficiais do Departamento do Tesouro dos Estados Unidos e a análise automatizada de risco de fraude. A solução foi implementada em linguagem Java, utilizando o framework Spring Boot, estruturada em arquitetura em camadas e integrada a serviços externos para obtenção de dados cambiais e processamento inteligente de transações. O sistema foi dividido em módulos de cadastro e consulta de transações, conversão monetária automática e detecção de comportamentos suspeitos com classificação de risco. Testes funcionais demonstraram tempo médio de resposta inferior a 20 milissegundos para operações internas e entre 3 e 4 segundos para análises antifraude dependentes de processamento externo. Em um cenário simulado, uma transação de US$ 9.000,00 foi corretamente classificada como de alto risco por divergência significativa em relação ao histórico analisado. Os resultados indicaram a viabilidade técnica da solução para aplicações em fintechs, auditoria e sistemas corporativos, embora melhorias futuras possam incluir modelos de aprendizado de máquina supervisionados, cache distribuído e processamento assíncrono.

Palavras-chave: API RESTful; Conversão cambial; Detecção de fraudes; Engenharia de software; Spring Boot.

O desenvolvimento de simuladores Hardware-in-the-Loop (HIL) para máquinas agrícolas tem se mostrado essencial para a validação de lógicas de controle e o treinamento seguro de operadores. Neste contexto, desenvolveu-se um simulador HIL que integrou uma cabine de controle real a um ambiente virtual. A metodologia empregou a estratégia 5W2H e incluiu a modelagem 3D no SolidWorks, otimizada no Blender com decimação de polígonos e rigging cinemático. A interface de controle utilizou um display industrial TTControl Vision 3, programado em Structured Text via CODESYS V3.5, com comunicação CAN. A integração física foi realizada por um gateway customizado, composto por um microcontrolador ESP32 e um transceptor TJA1050, que traduziu bidirecionalmente dados entre a rede CAN e a porta serial, processados por um middleware em Python no simulador. Os resultados, validados pela ferramenta PCAN-View, demonstraram comunicação estável e de baixa latência, permitindo uma resposta visual sincronizada no Blender. Concluiu-se que a arquitetura proposta ofereceu uma solução de baixo custo e alta eficiência para o ciclo de Pesquisa e Desenvolvimento, viabilizando testes ergonômicos e funcionais de forma segura e escalável.

Palavras-chave: Blender; CODESYS; ESP32; Redes CAN; Simulador HIL.

A crescente disponibilidade de dados financeiros corporativos ampliou a importância de técnicas analíticas para identificar padrões e apoiar decisões em contextos de elevada heterogeneidade entre empresas. O estudo objetivou aplicar técnicas de clusterização a uma base de dados financeiros, comparando métodos de agrupamento e validando estatisticamente os resultados, a fim de identificar segmentos com características econômico-financeiras distintas. Metodologicamente, a pesquisa foi classificada como aplicada, exploratória, descritiva e quantitativa. Utilizaram-se dados secundários de empresas, submetidos a inspeção, tratamento, padronização e modelagem computacional. Empregaram-se o algoritmo K-means e métodos hierárquicos aglomerativos, definindo o número ótimo de clusters com métricas como WCSS, Silhouette, Calinski-Harabasz e Davies-Bouldin. Os agrupamentos foram avaliados por análise de variância (ANOVA) e comparados pelo índice Adjusted Rand Index (ARI). Os resultados revelaram que a solução com seis clusters ofereceu o melhor equilíbrio entre qualidade estatística e interpretabilidade analítica, possibilitando a identificação de grupos com perfis distintos, como grandes corporações, empresas intermediárias robustas, organizações com desempenho crítico e casos extremos. Observou-se também que diferentes algoritmos captaram estruturas distintas nos dados, ressaltando a importância da comparação metodológica. Concluiu-se que a clusterização constituiu uma abordagem eficaz para segmentar bases financeiras e revelar padrões relevantes, contribuindo para análises mais refinadas e para o uso aplicado da ciência de dados em contextos empresariais.

Palavras-chave: Análise financeira; Aprendizado não supervisionado; Ciência de dados; Clusterização; Segmentação de empresas.