Modelagem preditiva por séries temporais para manutenção de filtros em estações de tratamento de água

doi:10.22167/2675-6528-202602860

Artigo

02 de outubro de 2026

Modelagem preditiva por séries temporais para manutenção de filtros em estações de tratamento de água

Modelagem Preditiva por Séries Temporais para Manutenção de Filtros em Estações de Tratamento de Água

Eduardo Antonio Ribeiro Heinisch; Gustavo Nazato Furlan

DOI: 10.22167/2675-6528-202602860

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A manutenção de filtros em estações de tratamento de água (ETAs) é crucial para a qualidade da água, e a antecipação de picos de turbidez é fundamental para otimizar as lavagens. A pesquisa propôs a aplicação de algoritmos preditivos para antecipar esses picos na água filtrada, fornecendo suporte à tomada de decisão para a manutenção dos filtros. Utilizou-se uma base histórica robusta (2009 a 2025) de dados operacionais do sistema corporativo de gestão industrial da ETA e dados pluviométricos do INMET. O estudo comparou modelos baseados em árvores (Random Forest e XGBoost) e redes neurais recorrentes (LSTM). Após pré-processamento e engenharia de atributos, que consistiu na criação de defasagens temporais e médias móveis, os resultados demonstraram que o modelo LSTM apresentou maior capacidade para a generalização da série temporal. Do ponto de vista prático de operação dos filtros, ao converter as predições de regressão em alertas de classificação binária, obedecendo ao limite de 0,30 NTU, o modelo demonstrou uma capacidade de antecipação preventiva de 55% dos eventos críticos. Concluiu-se que a abordagem baseada em dados se mostrou viável e atuou como uma ferramenta proativa, capaz de garantir a qualidade do tratamento da água e de auxiliar os operadores a minimizar desperdícios com lavagens desnecessárias.

Palavras-chave: Deep Learning; LSTM; Machine Learning; Tratamento de Água; Turbidez.

1. Introdução

Com o avanço da tecnologia e a crescente disponibilidade de dados, a área de Data Science teve uma evolução a passos largos, consolidando-se como uma solução promissora para organizações que buscam fazer previsões sobre o futuro com base em dados do passado (Gujarati e Porter, 2011; Montgomery e Runger, 2016). Neste cenário, a alta capacidade de armazenamento, geração e disponibilidade de dados, caracterizada pelas dimensões de volume, velocidade, variedade, variabilidade e complexidade, impulsionou o Machine Learning como uma ferramenta capaz de aprender por meio da associação de diferentes dados e do reconhecimento de padrões (Géron, 2021; Hastie et al., 2009).

A aplicação desse contexto preditivo no setor de saneamento, com foco na predição da manutenção de filtros em estações de tratamento de água (ETAs), é de suma importância. A qualidade, eficiência e frequência na lavagem dos filtros de uma ETA são fatores cruciais que impactam diretamente a qualidade da água fornecida à população e os custos operacionais (Libânio, 2010; Sarmento, 2023; Abraão, 2025). Otimizar essa etapa significa reduzir significativamente o desperdício de água tratada, garantindo a segurança e a eficiência do tratamento (Libânio, 2010; Batista, 2024; Maciel et al., 2024).

No entanto, a lavagem de filtros pode consumir um volume expressivo da produção total de uma ETA. Uma lavagem ineficiente, seja por excesso de tempo, frequência inadequada ou técnica imprópria, representa um grande desperdício de água potável e, consequentemente, um prejuízo financeiro e ambiental (Libânio, 2010; Freires, 2023; Nominato, 2024). A imprevisibilidade do momento ideal de lavagem é agravada pelas variações sazonais na qualidade da água bruta, especialmente no Brasil, onde o regime pluviométrico exerce influência direta e imediata sobre os mananciais superficiais. Durante o período de chuvas intensas, o carreamento de partículas sólidas eleva drasticamente a turbidez, enquanto nos meses de estiagem os valores tendem a se estabilizar em patamares baixos (Libânio, 2010).

Esse comportamento cíclico e de alta variância impõe desafios contínuos à operação das ETAs (Libânio, 2010; AESBE, 2023; Instituto Trata Brasil, 2024; Mesquita, 2025). Além disso, a gestão de estações de tratamento de água frequentemente esbarra em limitações de governança de dados, com o registro de medições de turbidez e o controle do tempo de carreira dos filtros ainda dependendo de anotações manuais e imputações humanas. Essa dependência operacional torna o processo vulnerável a erros de digitação, falhas de leitura e, principalmente, ao viés humano, onde a decisão de lavar um filtro pode basear-se mais na interpretação subjetiva do operador do que na real condição da água. Nesse contexto, a automação baseada em dados surge como um mecanismo fundamental para mitigar falhas humanas e padronizar a tomada de decisão.

Para mitigar a complexidade imposta por essas variações climáticas, operacionais e de governança de dados, a transição de métodos empíricos e puramente reativos para abordagens preditivas tem se consolidado como uma necessidade crítica no setor de saneamento. A literatura recente evidencia que a integração de modelos analíticos baseados em dados (data-driven) em ETAs não apenas amplia a segurança hídrica, mas também proporciona resiliência operacional contra picos súbitos de turbidez (Kamyab et al., 2023; Dalibard et al., 2024; He et al., 2024; Kwarko-Kyei et al., 2025). Diante desta dificuldade latente de prever o tempo de carreira dos filtros e a necessidade de definir o tempo ótimo de lavagem para evitar desperdícios (Libânio, 2010; BRK Ambiental, 2022), o presente trabalho justifica-se pela aplicação de conhecimentos e ferramentas adquiridas em Data Science para resolver um problema real. O objetivo principal deste estudo foi desenvolver e comparar o desempenho empírico de diferentes modelos preditivos de Machine Learning — Random Forest, XGBoost e Long Short-Term Memory (LSTM) — para prever a turbidez da água e, consequentemente, a janela ideal de manutenção dos filtros.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa de natureza quantitativa, com abordagem metodológica focada na modelagem preditiva por séries temporais. O objetivo principal foi desenvolver e comparar o desempenho de diferentes algoritmos de Machine Learning para prever a turbidez da água filtrada em estações de tratamento de água (ETAs) e, consequentemente, identificar a janela ideal para a manutenção dos filtros. A pesquisa baseou-se na proposição de que existe uma relação de dependência entre variáveis operacionais e climáticas e a necessidade de manutenção dos filtros (Fávero e Belfiore, 2017).

A unidade de análise consistiu em dados operacionais históricos de uma ETA e dados pluviométricos. A coleta de dados abrangeu o período de 2009 a 2025, totalizando aproximadamente 500.000 registros horários. As informações foram extraídas de duas fontes principais: o sistema corporativo de gestão industrial da ETA, que forneceu medições de turbidez, horários, tempo de lavagem e volume de água gasta, e estações do Instituto Nacional de Meteorologia (INMET, 2026), localizadas na mesma bacia hidrográfica de captação, que disponibilizaram dados de precipitação diária.

O desenvolvimento do estudo foi implementado na linguagem Python, utilizando bibliotecas consolidadas para análise de dados e Machine Learning. Entre as ferramentas empregadas, destacam-se Pandas e NumPy para manipulação de dados, Scikit-Learn para pré-processamento e modelagem, e TensorFlow/Keras para a construção de redes neurais (Fávero e Belfiore, 2017; McKinney, 2018; Géron, 2021).

A etapa de pré-processamento dos dados pluviométricos envolveu a identificação e correção de anomalias, como falhas de registro ou valores corrompidos, por meio da técnica de interpolação linear. Posteriormente, as duas bases de dados, operacional e meteorológica, foram unificadas utilizando a data e hora como índice temporal, garantindo a sincronização das informações.

Na fase de engenharia de atributos, foram criadas variáveis temporais para capturar a inércia do sistema hidrológico. Incluíram-se variáveis de defasagem (“lag”) para a precipitação, mensurando chuvas ocorridas em intervalos de 1 hora, 2 horas e até 48 horas anteriores. Também foram geradas janelas deslizantes (“rolling windows”) para a soma de precipitação acumulada em múltiplos períodos, como 12, 24, 48 e 72 horas (Libânio, 2010; Kuhn e Johnson, 2019).

Adicionalmente, para permitir que os algoritmos identificassem padrões cíclicos, realizou-se a extração de sazonalidade. O índice temporal foi desmembrado em colunas independentes para ‘Hora’ e ‘Mês’. A variável alvo preditiva, a turbidez da água, foi deslocada temporalmente em 6 horas (“lead time”) para que o modelo pudesse realizar estimativas com antecedência suficiente para a tomada de decisão operacional.

O tratamento de outliers foi realizado para corrigir distorções nos dados, que poderiam surgir de erros de digitação ou falhas de leitura. Leituras negativas de turbidez foram ajustadas para o mínimo físico admissível. Para valores anômalos que excediam o limite superior, aplicou-se a técnica de limitação (capping/winsorizing) baseada no método do Intervalo Interquartil (IQR), preservando a continuidade da série temporal (Fávero e Belfiore, 2017; McKinney, 2018).

Para a validação dos modelos, o conjunto de dados foi dividido cronologicamente, com os primeiros 80% destinados ao treinamento e os 20% finais reservados para teste, evitando o vazamento de dados. As variáveis preditoras foram normalizadas utilizando StandardScaler para os modelos baseados em árvores e MinMaxScaler para a rede LSTM, sendo a padronização aplicada exclusivamente aos dados de treino (Baouab e Cherif, 2017).

Quatro algoritmos foram selecionados para comparação: Random Forest, XGBoost e Long Short-Term Memory (LSTM) como modelos preditivos, e SHAP (SHapley Additive exPlanations) para interpretabilidade. O Random Forest foi configurado com 100 árvores de decisão e uma semente aleatória (random_state=42). O XGBoost utilizou 100 árvores sequenciais, taxa de aprendizado de 0,1 e semente aleatória (random_state=42). A rede LSTM foi construída com uma camada de 50 neurônios, ativação ReLU, Dropout de 20%, lookback de 24 horas, otimizador Adam e Early Stopping com 5 épocas (Géron, 2021; Goodfellow et al., 2016; Chollet, 2017).

O protocolo de validação foi estruturado em duas fases. Na Fase 1, realizou-se uma avaliação preditiva contínua (regressão), onde os modelos foram comparados utilizando métricas estatísticas como Raiz do Erro Quadrático Médio (RMSE), Erro Absoluto Médio (MAE) e Coeficiente de Determinação (R²). Na Fase 2, procedeu-se à avaliação de decisão operacional (classificação binária), convertendo as predições de regressão em alertas de classificação binária, com um limite de corte de 0,30 NTU para eventos críticos. A avaliação desta fase utilizou a matriz de confusão, com foco na métrica de Recall, para minimizar falsos negativos (Libânio, 2010; Kuhn e Johnson, 2019; Géron, 2021).

3. Resultados e Discussão

A análise exploratória dos dados (EDA) revelou padrões cruciais e inter-relações entre as variáveis antes da aplicação dos algoritmos preditivos. A sazonalidade da turbidez nos mananciais brasileiros, por exemplo, demonstrou uma forte correlação com o regime pluviométrico. Observou-se que, durante os meses de chuvas intensas, tipicamente de novembro a março, a turbidez se eleva drasticamente devido ao carreamento de partículas sólidas. Em contraste, nos meses de estiagem, de maio a setembro, os valores de turbidez tendem a se estabilizar em patamares mais baixos, conforme previamente identificado por Libânio (2010).

A avaliação da correlação linear de Pearson entre as variáveis, incluindo defasagens temporais e variáveis acumuladas de precipitação, indicou que, embora a correlação linear direta com a turbidez final fosse baixa, a inércia do sistema hidrológico e a turbidez de entrada são preditores imediatos importantes. A análise de correlação cruzada foi fundamental para validar quantitativamente o tempo de resposta da bacia hidrográfica às precipitações. Identificou-se um “lag” ideal, onde a chuva acumulada atinge sua correlação máxima com a turbidez na ETA, reforçando a necessidade de incorporar janelas temporais na modelagem para capturar esse efeito retardado (Libânio, 2010; Kuhn e Johnson, 2019).

A importância das variáveis (Feature Importance) foi extraída utilizando o algoritmo Random Forest, confirmando a relevância dos dados levantados no pré-processamento. As variáveis relacionadas à duração e volume da última lavagem, a turbidez do resultado e a turbidez do filtro, juntamente com a precipitação acumulada em diferentes janelas de tempo, apresentaram os maiores índices de importância. Este achado corrobora estudos anteriores, como o de Kwarko-Kyei et al. (2025), que destacam a qualidade da água na etapa imediatamente anterior à filtragem como o atributo de maior peso na redução do erro preditivo.

A etapa de modelagem preditiva comparou o desempenho de três algoritmos: Random Forest, XGBoost e Long Short-Term Memory (LSTM). Os modelos baseados em árvores, Random Forest e XGBoost, apresentaram dificuldades em lidar com a previsibilidade da turbidez contínua, resultando em coeficientes de determinação R² negativos de -0,313333 e -0,252568, respectivamente. Esses valores indicam que esses modelos não conseguiram explicar a variabilidade da série temporal de forma satisfatória, tratando os picos de turbidez como ruídos isolados, e não como padrões contínuos (Hewamalage et al., 2021; Géron, 2021).

Em contraste, o modelo LSTM demonstrou um desempenho superior e mais estável, com um Erro Absoluto Médio (MAE) de 0,062854, uma Raiz do Erro Quadrático Médio (RMSE) de 0,080221 e um R² positivo de 0,152867. Embora o R² ainda seja modesto, refletindo a complexidade e estocasticidade da série hidrológica, o LSTM foi o único modelo capaz de capturar padrões temporais e a dinâmica direcional da turbidez, antecipando com êxito os movimentos de subida e descida. Essa capacidade de generalização é crucial para séries temporais dinâmicas, conforme apontado por He et al. (2024).

A arquitetura do modelo LSTM foi configurada com uma camada de 50 neurônios e ativação ReLU, seguida por uma camada de Dropout de 20% para prevenir o overfitting, um problema comum em modelagem de séries temporais (Goodfellow et al., 2016). O treinamento utilizou o otimizador Adam para minimizar o Erro Quadrático Médio (MSE), e o Early Stopping foi implementado para interromper o processo se a perda de validação não melhorasse por cinco épocas consecutivas, garantindo a restauração dos melhores pesos do modelo (Chollet, 2017).

A convergência do erro quadrático médio (MSE) durante o treinamento do modelo LSTM demonstrou a estabilidade da rede neural. Observou-se que tanto o erro de treinamento quanto o de validação se estabilizaram conjuntamente, o que comprova a eficácia das técnicas de Dropout e Early Stopping em evitar o overfitting. Este comportamento é um indicativo de que o modelo aprendeu os padrões dos dados de forma robusta, sem memorizar ruídos específicos do conjunto de treino.

Para fins de aplicação prática na operação da ETA, a principal contribuição do estudo se direcionou para a identificação de “eventos críticos”, em vez da predição exata da turbidez contínua. A previsão do valor exato da turbidez a cada instante mostrou-se menos relevante do que a capacidade de o sistema detectar, com antecedência, os momentos de risco. Assim, o modelo de regressão contínua foi adaptado para um problema de classificação binária, visando gerar alertas operacionais para a manutenção dos filtros.

A regra de negócio estabelecida para a classificação binária foi a seguinte: se a turbidez prevista ultrapassasse o limiar de 0,30 NTU, um alerta de intervenção (lavagem do filtro) deveria ser emitido. Previsões com probabilidade acima de 50% geraram um “Alerta” de manutenção/lavagem. Essa abordagem visa atuar preventivamente, minimizando os falsos negativos, ou seja, a falha em prever uma turbidez alta, que é mais crítica para a segurança do tratamento de água do que os falsos positivos (Libânio, 2010; Kuhn e Johnson, 2019; Géron, 2021).

A avaliação do classificador binário, utilizando a matriz de confusão, revelou uma Acurácia Global de 77%, indicando a taxa total de acertos do modelo. A métrica de Sensibilidade (Recall), que mede a capacidade de detectar os picos reais de turbidez (eventos críticos), atingiu 55%. Este valor demonstra que o modelo atua como uma barreira conservadora, capaz de antecipar o evento e alertar o operador na maioria das vezes em que o filtro apresenta risco real, priorizando a segurança da água tratada (Hastie et al., 2009; Fávero e Belfiore, 2017).

A Precisão do modelo foi de 60%, indicando que, das vezes em que o modelo emitiu um “Alerta” de lavagem, a turbidez realmente subiu em 60% dos casos. Embora a precisão não seja tão alta quanto a acurácia, a prioridade operacional na segurança do tratamento de água justifica a preferência por um Recall mais elevado, mesmo que isso implique em um número ligeiramente maior de falsos positivos, ou seja, lavagens preventivas que poderiam ser consideradas desnecessárias em um cenário de menor risco.

A Curva ROC (Receiver Operating Characteristic) do classificador LSTM apresentou uma Área Sob a Curva (AUC) de 0,797. Este valor atesta a robustez geral do modelo em discriminar corretamente entre os estados de “operação normal” e “risco de alta turbidez”, independentemente do limiar probabilístico escolhido pelo operador. A obtenção de um escore AUC distante da linha de aleatoriedade (AUC = 0,5) em um conjunto de teste com mais de 12.000 amostras independentes afasta significativamente a hipótese nula, conferindo significância estatística robusta (p-valor < 0,001) aos achados (Hastie et al., 2009; Fávero e Belfiore, 2017; Géron, 2021).

A interpretabilidade do modelo LSTM foi abordada através da análise SHAP (SHapley Additive exPlanations), uma técnica que permite quantificar a influência de cada variável na predição da turbidez futura. Diferente da importância estática do Random Forest, o SHAP forneceu um ranking global de importância para a rede LSTM, destacando `tuf_resultado`, `Hour`, `Month`, `precipitacao` e `ultima_lavagem_volume` como as variáveis mais cruciais para acertar as oscilações dinâmicas da água (Kuhn e Johnson, 2019; Maußner et al., 2025).

A análise SHAP também permitiu visualizar o impacto direcional das variáveis na previsão de turbidez. Pontos vermelhos no gráfico de enxame indicaram que valores altos de uma variável empurraram a previsão da turbidez para cima (aumentando o risco), enquanto pontos azuis indicaram que valores baixos empurraram a previsão para baixo. Essa transparência, característica da Inteligência Artificial Explicável (Explainable AI), aumenta a confiança na ferramenta, pois comprova que as previsões do algoritmo LSTM são baseadas na física real do processo de filtração, e não em “adivinhações” (Dalibard et al., 2024; Kamyab et al., 2023; Maußner et al., 2025).

Para consolidar a utilidade prática do modelo preditivo, foi desenvolvida uma função em Python que simula uma ferramenta de suporte à decisão para o operador. Esta função permite a inserção manual de uma leitura pontual de turbidez, que é então integrada ao contexto histórico recente da ETA (chuvas, lavagens anteriores e inércia do sistema) para calcular e exibir a probabilidade imediata de um evento crítico, recomendando a ação adequada. Essa ferramenta visa mitigar falhas humanas e padronizar a tomada de decisão, elevando a maturidade tecnológica da planta.

Em síntese, os resultados demonstraram que a aplicação de algoritmos preditivos, especialmente o modelo LSTM, é viável para antecipar picos de turbidez na água filtrada em estações de tratamento. Embora a regressão contínua tenha limitações para explicar a totalidade da variabilidade, a conversão para um classificador binário de alerta operacional permitiu que o modelo atuasse como uma ferramenta proativa, com capacidade de antecipação preventiva de 55% dos eventos críticos. Isso garante a qualidade do tratamento da água e auxilia os operadores a otimizar a manutenção dos filtros, minimizando desperdícios com lavagens desnecessárias, respondendo assim ao objetivo principal do estudo.

4. Conclusão

O presente estudo buscou desenvolver e comparar o desempenho de modelos preditivos de Machine Learning para antecipar a turbidez da água e otimizar a manutenção de filtros em estações de tratamento. Verificou-se que a natureza não estacionária das séries temporais hidrológicas impôs desafios significativos aos algoritmos. Os modelos baseados em árvores, como Random Forest e XGBoost, apresentaram limitações notáveis, com coeficientes de determinação R² negativos, indicando dificuldade em capturar a variabilidade e os padrões contínuos da turbidez. Em contraste, o modelo Long Short-Term Memory (LSTM) demonstrou capacidade superior de generalização, com um R² positivo e métricas de erro mais estáveis, conseguindo capturar a dinâmica direcional da turbidez. A aplicação prática do modelo foi consolidada ao converter suas predições de regressão em alertas de classificação binária, estabelecendo um limiar de 0,30 NTU para eventos críticos. Essa abordagem resultou em uma sensibilidade (Recall) de 55% na antecipação desses eventos, priorizando a segurança operacional. A análise SHAP complementou os achados, conferindo transparência ao modelo LSTM e confirmando que suas previsões se baseiam em atributos operacionais e ambientais relevantes, como a turbidez anterior, hora, mês e precipitação acumulada.

A principal contribuição do estudo reside na demonstração da viabilidade de uma abordagem preditiva baseada em dados como ferramenta proativa para a gestão de estações de tratamento de água. Ao fornecer suporte à tomada de decisão para a manutenção dos filtros, o modelo auxilia os operadores a padronizar procedimentos, mitigar o viés humano e minimizar o desperdício de água potável associado a lavagens desnecessárias, elevando a maturidade tecnológica da planta. Contudo, reconhece-se que o R² modesto na regressão contínua reflete a complexidade e estocasticidade inerentes às séries hidrológicas. Para estudos futuros, sugere-se a otimização dos hiperparâmetros da arquitetura LSTM, a inclusão de variáveis adicionais em tempo real, como pH e temperatura, e a estratificação da base de dados para o desenvolvimento de modelos específicos para diferentes categorias e tipologias de filtros, visando refinar ainda mais a precisão e reduzir as taxas de falsos alarmes.

Referências Bibliográficas

Abraão, R.P. 2025. Análise de viabilidade do uso de coagulantes naturais no tratamento de águas de abastecimento público. Dissertação de

Gujarati, D.N.; Porter, D.C. 2011. Econometria Básica. 5ed. AMGH Editora, Porto Alegre, RS, Brasil.

Géron, A. 2021. Mão à Obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow. 2ed. Alta Books, Rio de Janeiro, RJ, Brasil.

Hastie, T.; Tibshirani, R.; Friedman, J. 2009. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2ed. Springer, New York, NY, EUA.

Libânio, M. 2010. Fundamentos de Qualidade e Tratamento de Água. 3ed. Editora Átomo, Campinas, SP, Brasil.

Montgomery, D.C.; Runger, G.C. 2016. Estatística Aplicada e Probabilidade para Engenheiros. 6ed. LTC, Rio de Janeiro, RJ, Brasil.

Sarmento, P.V.F. 2023. Avaliação do sistema de lavagem dos filtros de uma ETA de filtração direta descendente. Trabalho de Conclusão de Curso em Engenharia Civil. Universidade Federal do Rio Grande do Norte, Natal, RN, Brasil.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Mais recentes

Economia, Investimentos E Banking

23 de outubro de 2026

Educação Financeira, Comportamentos e Vieses na Tomada de Decisão Financeira

22 de outubro de 2026

Desafios e Possibilidades do Primeiro Ano Escolar de Crianças com Tea para o Trabalho Docente

22 de outubro de 2026

Jornada do Consumidor na Decisão de Compra de Infoprodutos no Ambiente Digital

22 de outubro de 2026

Riscos Psicossociais e Saúde Mental no Trabalho em uma Instituição Bancária

22 de outubro de 2026

Observatório Digital da Amazônia: Ciência de Dados Aplicada à Análise de Indicadores Sociais, Econômicos, Ambientais e de Saúde

22 de outubro de 2026

Aprendizado Contínuo como Fator de Crescimento Organizacional na Percepção dos Colaboradores

22 de outubro de 2026

Regressão Estatística em Microrredes para Estimativa de Desempenho Operacional: Caso Campusgrid

22 de outubro de 2026

Previsão da Inadimplência Agregada no Sistema Financeiro Brasileiro por Modelo Sarimax com Variáveis Macroeconômicas

22 de outubro de 2026

Fatores de Engajamento das Partes Interessadas na Transferência Internacional de Tecnologia para um Hospital Público

Você também pode gostar

Economia, Investimentos E Banking

23 de outubro de 2026

Educação Financeira, Comportamentos e Vieses na Tomada de Decisão Financeira

A gestão financeira pessoal representa um desafio crescente, influenciada por vieses cognitivos que afetam a tomada de decisão, mesmo em indivíduos com alto conhecimento. O presente estudo analisou a relação entre o nível de educação financeira e a ocorrência de vieses comportamentais na tomada de decisão financeira de adultos residentes no Brasil. Realizou-se um levantamento de campo de natureza aplicada, quantitativa e descritivo-correlacional, por meio da aplicação de um questionário estruturado a 163 respondentes. O instrumento contemplou variáveis sociodemográficas, conhecimento e hábitos financeiros, e situações hipotéticas para identificar vieses cognitivos. Os resultados indicaram que níveis mais elevados de educação financeira associaram-se a melhores práticas de controle financeiro, poupança e investimento, com correlações significativas com renda e escolaridade. Contudo, a presença de vieses comportamentais (ancoragem, aversão à perda, escassez, otimismo/negatividade, viés do presente, status quo, excesso de confiança e contabilidade mental) persistiu mesmo entre indivíduos com maior escolaridade e renda, sem associação estatisticamente significativa com as variáveis sociodemográficas analisadas. Concluiu-se que a educação financeira, embora essencial para a organização e o controle financeiro, não foi suficiente para neutralizar a influência de vieses cognitivos. Sugere-se a incorporação de abordagens comportamentais aos programas de educação financeira.

Palavras-chave: Comportamento financeiro; Economia comportamental; Finanças pessoais; Heurísticas cognitivas; Vieses cognitivos.

22 de outubro de 2026

Desafios e Possibilidades do Primeiro Ano Escolar de Crianças com Tea para o Trabalho Docente

A inserção de crianças com Transtorno do Espectro Autista (TEA) na Educação Infantil apresenta desafios significativos, dada a dificuldade de adaptação em novos ambientes e a intensidade de estímulos. O objetivo foi analisar a atuação docente na Educação Infantil no processo de escolarização inicial de crianças com TEA. Realizou-se um estudo de caso, utilizando a entrevista narrativa como técnica de produção de dados. Os resultados revelaram que a atuação docente caracterizou-se por práticas de mediação e afeto, com a flexibilização da rotina e o uso de recursos lúdicos como estratégias essenciais para o desenvolvimento e organização sensorial da criança. Destacou-se também a importância da profissional de apoio escolar para o êxito do trabalho pedagógico. O desenvolvimento integral da criança foi promovido por meio de ações docentes intencionais que priorizaram a adaptação ambiental, o fortalecimento de vínculos e o atendimento às necessidades específicas do TEA. Como contribuição, elaborou-se um guia de estratégias pedagógicas voltado ao acolhimento de crianças com TEA em creches públicas.

Palavras-chave: Educação Infantil; Inclusão Escolar; Narrativas Docentes; Práticas Pedagógicas Inclusivas; Transtorno do Espectro Autista.

22 de outubro de 2026

Jornada do Consumidor na Decisão de Compra de Infoprodutos no Ambiente Digital

A expansão do comércio eletrônico e a transformação tecnológica impulsionaram a necessidade de compreender o comportamento do consumidor de infoprodutos, cuja experiência percebida tornou-se crucial para o desenvolvimento profissional. O estudo objetivou analisar os fatores que influenciaram a decisão de compra de infoprodutos no ambiente digital, considerando as etapas da jornada do consumidor. Realizou-se uma pesquisa aplicada, quantitativa e descritiva, por meio de um levantamento de campo com 100 consumidores da Serra Gaúcha. A coleta de dados ocorreu via questionário estruturado, utilizando amostragem não probabilística. Os resultados revelaram um público qualificado e com forte comportamento “mobile-first”. Constatou-se que a disponibilidade de informações detalhadas e a aprovação social foram os principais gatilhos de atração na fase de pré-compra. Nas etapas transacionais e posteriores, a minimização de atritos operacionais, a agilidade do acesso imediato e a segurança sistêmica mostraram-se cruciais para a conversão e satisfação, embora lacunas na eficiência do suporte humano tenham sido identificadas. A retenção fundamentou-se na confiança gerada por experiências anteriores positivas, superando o fator preço. Concluiu-se que a jornada do consumidor de infoprodutos opera como um sistema integrado, exigindo alinhamento entre infraestrutura tecnológica, curadoria de conteúdo e humanização do suporte para assegurar o engajamento.

Palavras-chave: Comércio eletrônico; Comportamento do consumidor; Experiência do consumidor; Fidelização; Negócios virtuais.

22 de outubro de 2026

Riscos Psicossociais e Saúde Mental no Trabalho em uma Instituição Bancária

A saúde mental no ambiente de trabalho é um tema de crescente relevância, impactando o desenvolvimento profissional e o bem-estar dos colaboradores. Um estudo foi realizado para identificar aspectos e situações que podem influenciar os níveis de absenteísmo em uma instituição bancária. A pesquisa envolveu 108 participantes e utilizou um questionário estruturado, baseado na versão curta do COPSOQ II de Gonçalves (2021), que continha 45 questões fechadas em escala Likert e duas perguntas abertas. Os dados foram coletados por meio de plataforma online e analisados com abordagem descritiva e quantitativa. Os resultados revelaram um cenário que indicou a necessidade de ajustes na distribuição das atividades e na percepção dos gestores sobre comportamentos e sinais de transtornos. Foram identificadas evidências importantes nas respostas abertas dos participantes. Concluiu-se que o estudo contribuiu para a promoção da percepção de um ambiente seguro para a saúde mental na organização.

Palavras-chave: Afastamentos por transtornos; Desenvolvimento profissional; Liderança operacional; Licença médica; Saúde mental.

22 de outubro de 2026

Observatório Digital da Amazônia: Ciência de Dados Aplicada à Análise de Indicadores Sociais, Econômicos, Ambientais e de Saúde

O estado do Amazonas enfrentou desafios históricos na consolidação do Sistema Único de Saúde (SUS), decorrentes de barreiras geográficas, desigualdades socioeconômicas e limitações estruturais. Descreveu-se, neste estudo, o desenvolvimento e a implementação de um geoportal de informações em saúde, concebido para apoiar o monitoramento, a avaliação e o planejamento no contexto amazônico. Adotou-se uma abordagem de estudo de caso descritivo, baseada em análise documental e dados secundários, abrangendo o mapeamento de funcionalidades, a infraestrutura técnica e as etapas de validação da ferramenta. O Portal foi desenvolvido com tecnologias abertas e integrou múltiplas bases de dados nacionais, oferecendo dashboards interativos, mapas temáticos e repositório digital de documentos. Entre os resultados, destacaram-se a visualização georreferenciada de indicadores-chave, a possibilidade de análises comparativas temporais e a utilização da plataforma na revisão de planos de saúde e no redirecionamento de ações estratégicas. O portal pode representar um avanço na governança digital e na gestão baseada em evidências, com potencial de replicabilidade para outros territórios de alta complexidade, desde que acompanhada de investimentos em infraestrutura tecnológica, capacitação profissional e articulação interinstitucional.

Palavras-chave: Amazônia; Avaliação em Saúde; Saúde Digital; Sistemas de Informação em Saúde.

22 de outubro de 2026

Aprendizado Contínuo como Fator de Crescimento Organizacional na Percepção dos Colaboradores

O impacto do aprendizado contínuo e da gestão do conhecimento no crescimento das organizações foi estudado em um cenário de globalização e constantes mudanças. O objetivo do estudo foi analisar a percepção dos colaboradores sobre a cultura de aprendizagem e sua importância para o desenvolvimento pessoal e profissional. Os dados foram obtidos por meio de uma pesquisa anônima, de abordagem quantitativa, utilizando um formulário com questões do tipo “survey” aplicado a 87 profissionais dos setores de tecnologia, saúde, educação, comércio e serviços. Os resultados indicaram que os colaboradores possuíam uma percepção positiva sobre a contribuição do aprendizado contínuo para o crescimento pessoal e organizacional, reconhecendo seus benefícios para o desenvolvimento de novas habilidades, inovação e competitividade. Contudo, observou-se que o incentivo à troca de conhecimento interno e a oferta de treinamentos práticos ainda apresentavam médias moderadas de concordância. Concluiu-se que o aprendizado contínuo contribui significativamente para o desenvolvimento individual e organizacional, sugerindo que as empresas devem desenvolver políticas estratégicas de aprendizado direcionado para novas habilidades, visando maior vantagem competitiva e inovação.

Palavras-chave: Aprendizagem contínua; Autodesenvolvimento; Crescimento organizacional; Gestão do conhecimento; Inovação.

22 de outubro de 2026

Regressão Estatística em Microrredes para Estimativa de Desempenho Operacional: Caso Campusgrid

Um modelo de regressão estatística múltipla foi proposto para estimar o desempenho operacional da microrrede CampusGrid da UNICAMP, com base em grandezas elétricas internas. A microrrede integra geração fotovoltaica, baterias e um gerador a gás. Dados do sistema de gerenciamento de energia foram coletados em intervalos de cinco minutos durante um mês. O Índice de Confiabilidade Operacional, definido como a razão entre energia atendida e demandada, foi estabelecido como variável dependente. O modelo foi ajustado para o modo de operação ilhado, avaliando o impacto da demanda, estado de carga, geração solar e energia suprida. Os resultados revelaram elevado poder explicativo, indicando que a confiabilidade operacional depende da interação entre suprimento e demanda. Observou-se que o período noturno concentrou a maior taxa de atendimento parcial, atribuída à redução da geração solar. Concluiu-se que a regressão múltipla oferece uma estrutura interpretável e útil para o monitoramento de microrredes e o apoio a estratégias de controle.

Palavras-chave: Armazenamento em baterias; Geração fotovoltaica; Índice de Confiabilidade; Operação ilhada; Sistema de Gerenciamento de Energia.

22 de outubro de 2026

Previsão da Inadimplência Agregada no Sistema Financeiro Brasileiro por Modelo Sarimax com Variáveis Macroeconômicas

A inadimplência agregada no sistema financeiro brasileiro é um indicador crucial de risco de crédito, cuja previsão é regulamentada pelas Resoluções CMN n.° 4.557/2017 e 4.966/2021 para a mensuração prospectiva de perdas esperadas. Modelou-se e previu-se a inadimplência agregada por meio do modelo SARIMAX, projetando sua trajetória até dezembro de 2026 sob cenários otimista, base e pessimista. Utilizaram-se 164 observações mensais (julho/2012 a fevereiro/2026) e variáveis macroeconômicas como desemprego, Selic, IPCA, IBC-Br e endividamento das famílias. A especificação com variáveis contemporâneas foi selecionada com base em critérios de informação e estabilidade dos coeficientes, e o diagnóstico dos resíduos confirmou adequação estatística, com MAPE de 3,12%. A inadimplência histórica variou entre 4,33% e 7,64%. A estimação identificou o desemprego (β = 0,2534; p < 0,001) e a Selic (β = 0,2128; p < 0,001) como principais determinantes positivos, com forte persistência temporal (AR(1) = 0,8965). A Selic exibiu correlação crescente com a inadimplência (r = 0,62 no lag 12), enquanto o desemprego demonstrou efeito contemporâneo (r = 0,33). As projeções indicaram inadimplência entre 6,30% e 7,98% em dezembro de 2026, com uma amplitude de 1,68 ponto percentual, evidenciando implicações diretas para o dimensionamento de provisões nas instituições financeiras. Palavras-chave: Desemprego; Modelagem preditiva; Política monetária; Provisão de perdas; Séries temporais.

22 de outubro de 2026

Fatores de Engajamento das Partes Interessadas na Transferência Internacional de Tecnologia para um Hospital Público

Este estudo descreveu os fatores críticos percebidos para o engajamento das partes interessadas na transferência internacional de tecnologia em um hospital público, com foco no planejamento. O objetivo foi descrever esses fatores condicionantes, conforme a percepção de profissionais. Realizou-se um estudo de caso único, aplicando um questionário a 25 profissionais e utilizando análise de conteúdo, complementada por tabulações descritivas. Os principais obstáculos identificados foram resistência à mudança (72%), financiamento (64%), falta de comunicação (60%) e burocracia (40%). Apenas 28% dos respondentes reconheceram a existência de ferramentas adequadas para gestão de stakeholders, enquanto 48% negaram e 24% não souberam informar. Cruzamentos exploratórios indicaram variações na avaliação de influência conforme o tempo de atuação, mas não estabeleceram relações causais. A falta de engajamento foi associada a atrasos, baixa adesão, desperdício de recursos, falhas de comunicação, comprometimento da absorção de conhecimento e riscos à segurança do paciente. As conclusões restringiram-se às percepções do grupo pesquisado e fundamentaram recomendações preliminares para comunicação e coordenação intersetorial.

Palavras-chave: Estudo de caso; Gestão de projetos; Inovação em saúde; Partes interessadas; Setor público.

Economia

19 de outubro de 2026

Fim da escala 6×1: o que os números permitem concluir?

Após promulgação do fim da escala 6×1, debate sobre a jornada menor passa à implementação e exige distinguir benefícios sociais de custos econômicos O fim da escala 6×1 passou da discussão legislativa para uma mudança constitucional no Brasil. Em 16 de outubro de 2026, o Congresso Nacional promulgou a emenda constitucional nº 141/2026, originada da Proposta […]

Inteligência Artificial

16 de outubro de 2026

Por que estudar se existe IA?

Quando respostas se tornam fáceis, aprender passa a significar mais do que chegar até elas Por que eu preciso aprender isso se posso perguntar para uma inteligência artificial? Esse tipo de pergunta acompanha a educação há décadas. Por que aprender uma operação se existe calculadora? Por que memorizar uma informação se ela pode ser encontrada […]

Gestão Tributária

15 de outubro de 2026

Pink tax e o gênero do preço

Como os diferentes tratamentos mercadológicos a homens e mulheres são incorporados pela tributação do consumo Imagine uma prateleira na qual duas lâminas de barbear da mesma marca e destinadas à mesma finalidade estão expostas lado a lado: uma tem embalagem escura e promete força, precisão e eficiência; a outra vem em tons de rosa ou […]

Saúde

13 de outubro de 2026

O elo perdido da transformação da saúde

Por que inovar não basta para provocar mudanças nas organizações e nos sistemas de saúde A transformação digital consolidou-se como prioridade estratégica para os sistemas de saúde em todo o mundo. Prontuários eletrônicos, inteligência artificial, telemedicina, monitoramento remoto e análise de dados passaram a integrar a agenda estratégica de governos e organizações de saúde. Paradoxalmente, […]

Marketing

09 de outubro de 2026

Bitcoin ou pets: o que a Inteligência Artificial não veria

Um caso real de consumer intelligence mostra o que fica fora do briefing Há alguns anos, uma seguradora americana contratou uma empresa especializada em consumer intelligence para responder a três perguntas: A seguradora também avaliava lançar seguros pagos em bitcoin. Na época, o processo de trabalho da consultoria funcionava assim: o analista criava uma query […]

Gestão Escolar

06 de outubro de 2026

A escola não é um cassino: quando figurinhas viram moeda no pátio

Por que, para determinados estudantes, a escola consegue oferecer tão poucas experiências de conquista? A Copa do Mundo acabou. O Brasil deixou a competição, vieram as férias escolares, a final foi disputada e o calendário do futebol seguiu adiante. Seria razoável imaginar que, com o fim do torneio e o retorno às aulas, também começasse […]

Transição Energética

30 de setembro de 2026

Energias renováveis: a vantagem brasileira

Brasil precisa investir na capacidade de transformar recursos naturais em inovação, produtividade e desenvolvimento Falar sobre energia é falar sobre desenvolvimento. Por trás da indústria, dos transportes, dos serviços, das cidades e, cada vez mais, da inteligência artificial, existe uma infraestrutura energética que sustenta a economia. Compreender a matriz energética de um país é compreender […]

Análise De Dados

30 de setembro de 2026

Quando o dado muda, a realidade mudou?

Análise de quase 20 milhões de vínculos-ano docentes entre 2020 e 2025 mostra como mudanças na composição da população e na produção dos registros podem alterar a interpretação de série histórica Entre 2020 e 2025, o número de vínculos formais de trabalho docente identificados na RAIS (Relação Anual de Informações Sociais), do Ministério do Trabalho, […]

Inteligência Artificial

28 de setembro de 2026

Inteligência artificial e as trends

Por que tantas pessoas aderem às brincadeiras com o ChatGPT? Nunca fui a pessoa da trend. Continuo não sendo. Algumas passam pela minha timeline, vejo, acho interessante mas não a ponto de experimentar. Foi assim, inclusive, com algumas ondas recentes de imagens feitas por inteligência artificial, como a trend dos anos 80, aquela que nos […]

Gestão Tributária

01 de setembro de 2026

Reforma tributária e planejamento patrimonial no campo

Eficiência para gerenciar os impostos facilita a governança e permite organizar a sucessão familiar A organização patrimonial rural virou uma medida estratégica diante da reforma tributária no Brasil, que entrou em vigor neste ano. O planejamento das atividades e da gestão do patrimônio rural, por meio de ferramentas como a transição da Pessoa Física para […]

Renata de Gaspari Valdejão Almeida

Inteligência Artificial

05 de agosto de 2026

Dentro da empresa e fora do radar: os riscos da Shadow AI

Segundo a Microsoft, 75% dos profissionais já utilizam inteligência artificial no trabalho sem homologação da empresa O uso da inteligência artificial generativa já faz parte da rotina corporativa. Ferramentas como ChatGPT, Copilot e outras plataformas ajudam profissionais a produzir textos, analisar dados, criar apresentações e acelerar tarefas em praticamente todos os setores. Mas esse avanço […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julho de 2026

O futuro como competência

Interesse acadêmico reforça a projeção de cenários como ferramenta essencial para a tomada de decisões Enquanto algumas empresas ainda tentam acertar o próximo passo, outras já trabalham com múltiplos futuros possíveis — e se preparam para todos eles. Mas afinal, o que significa “pensar o futuro”? É tendência, é estratégia ou uma nova competência que […]

Renata de Gaspari Valdejão Almeida

Inovação

Tecnologia

21 de maio de 2026

Corredor Agro SP: inovação, articulação institucional e futuro

Pecege comanda operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educação

27 de abril de 2026

Como transformar um TCC em negócio

Nova gestão do Parque Tecnológico de Piracicaba oferece consultoria a egressos de MBAs O novo diretor de projetos do Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, costuma dizer que uma das maiores recompensas que já teve na vida foi ver seus orientandos do MBA USP/Esalq estruturarem empresas a partir de seus trabalhos de conclusão de […]

Tecnologia

20 de março de 2026

O repertório humano na era da IA

Pensamento crítico e criatividade são insubstituíveis no trabalho do profissional de marketing A Inteligência Artificial (IA) é capaz de feitos incríveis, mas ainda não possui a capacidade de julgamento, empatia, intuição e criatividade estratégica necessárias para fazer o trabalho de um bom profissional de marketing. Nessa área, é importante saber usar a ferramenta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

23 de fevereiro de 2026

ESG como estratégia de crescimento em uma cooperativa do RS

Santa Clara equilibra responsabilidade social e ambiental com inovação Fundada em 1911 por imigrantes italianos em Carlos Barbosa, na serra gaúcha, a Cooperativa Santa Clara é um exemplo de que é possível equilibrar o crescimento econômico com a responsabilidade social e ambiental. De uma pequena empresa de produção de queijos, a organização evoluiu para um […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

22 de janeiro de 2026

Brasil livre de febre aftosa: o que muda para a carne brasileira?

Com um rebanho de mais de 200 milhões de cabeças de gado, o país é atualmente o líder em exportações O Brasil recebeu recentemente, pela primeira vez, a certificação de país livre de febre aftosa sem vacinação, conferida pela Organização Mundial de Saúde Animal (OMSA). O selo fortalece a posição do país como fornecedor de carne confiável para o […]

Renata de Gaspari Valdejão Almeida

Inovação

09 de dezembro de 2025

Inovação: o novo ciclo do Parque Tecnológico de Piracicaba

Instituto Pecege assume a gestão apostando na criação de novos negócios A partir de 2026, o Instituto Pecege assumirá a gestão do Parque Tecnológico de Piracicaba (PTP). Entre suas responsabilidades estarão a administração, operação, manutenção e expansão do parque, além do fomento de atividades de inovação, empreendedorismo e ciência e tecnologia. A escolha foi feita […]

Renata de Gaspari Valdejão Almeida

06 de julho de 2026

Arquitetura de Grande Porte: Gestão de Mudanças DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação. A arquitetura e o urbanismo configuram-se como bases imprescindíveis em um espaço urbano cada vez mais complexo e desafiador, onde a intrínseca conexão entre questões sociais, ambientais e tecnológicas […]