Suporte à decisão em remediação de áreas contaminadas com algoritmos de machine learning

doi:10.22167/2675-6528-202602835

Artigo

30 de setembro de 2026

Suporte à decisão em remediação de áreas contaminadas com algoritmos de machine learning

Suporte à Decisão em Remediação de Áreas Contaminadas com Algoritmos de Machine Learning

Deivid Lucas dos Santos Migueleti; Aimée Shirozono

DOI: 10.22167/2675-6528-202602835

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 remediação de áreas contaminadas por hidrocarbonetos em aquíferos sujeitos a oscilações sazonais do nível d’água demanda instrumentos quantitativos para planejamento e otimização, cuja eficiência é limitada pelo trapeamento de derivados de petróleo. O trabalho demonstrou a aplicabilidade de modelos estatísticos de aprendizado de máquina na predição de séries temporais da carga hidráulica em uma área contaminada por querosene de aviação no polo petroquímico de Paulínia-SP, como evidência para suporte à decisão em remediação. Utilizaram-se registros mensais de carga hidráulica de poços de monitoramento e precipitação pluviométrica acumulada mensal de um período de 10 anos. A análise do comportamento da série temporal, a engenharia de variáveis e a análise de correlação auxiliaram na estimação de modelos SARIMA e SARIMAX. Modelos com capacidade preditiva adequada foram selecionados e ajustados com base em critérios de parcimônia e diagnóstico de resíduos. A modelagem de séries temporais com variáveis exógenas aprimorou o desempenho dos modelos em comparação com os modelos SARIMA. O modelo com precipitação acumulada em 3 meses apresentou um erro médio absoluto (MAE) de 0,1041 metros para previsão de 12 meses, considerado satisfatório. Isso constituiu uma prova de conceito relevante para apoiar o planejamento da remediação e o gerenciamento de longo prazo de áreas contaminadas por hidrocarbonetos.

Palavras-chave: Água subterrânea; Contaminação; LNAPL; Precipitação; Solo.

1. Introdução

A água subterrânea representa 99% das reservas de água doce do planeta, sendo um recurso estratégico fundamental para a adaptação climática das sociedades. Nesse contexto, políticas públicas voltadas para a proteção e recuperação de mananciais subterrâneos são de extrema relevância (UNESCO, 2022).

A contaminação do solo e da água subterrânea, entretanto, pode comprometer severamente o uso desse recurso vital. No Estado de São Paulo, o Sistema de Informações de Áreas Contaminadas e Reabilitadas (SIACR), mantido pela Companhia Ambiental do Estado de São Paulo (CETESB), registrava, em outubro de 2025, 7.253 áreas contaminadas, das quais 4.846, aproximadamente 66,8%, estavam afetadas por combustíveis automotivos derivados de petróleo (CETESB, 2025).

Os derivados de petróleo presentes no meio subterrâneo em sua forma pura são conhecidos como LNAPL, sigla para Light Non Aqueous Phase Liquid, ou fase líquida não aquosa imiscível. Essas misturas complexas podem conter substâncias tóxicas, como benzeno e naftaleno, que contaminam a água subterrânea e representam riscos à saúde humana (Alden et al. 2024).

O processo de reabilitação de uma área contaminada envolve etapas de intervenção para mitigar ou reduzir os riscos de exposição a substâncias químicas de interesse (CETESB, 2017). As informações sobre a distribuição dos contaminantes e sua interação com o meio físico e os receptores são consolidadas no Modelo Conceitual Ambiental (MCA) (Alden et al. 2024).

As medidas de remediação utilizam tecnologias para tratar o meio atingido, removendo os contaminantes ou restringindo sua mobilidade (contenção) (CETESB, 2017). O Decreto Estadual de São Paulo número 59.263/2013 prioriza as medidas que promovem a remoção e redução da massa dos contaminantes (ALESP, 2013). As técnicas de remediação mais comuns para áreas contaminadas por derivados de petróleo baseiam-se na remoção hidráulica do LNAPL do aquífero, incluindo extração multifásica, bombeamento e tratamento, recuperação de fase livre e barreira hidráulica (ITRC, 2023; CETESB, 2017).

Apesar de sua ampla aplicação, a eficiência das técnicas de remoção hidráulica é limitada por diversos fatores e deve ser otimizada conforme o MCA da área é atualizado (ITRC, 2023). Um dos fenômenos que restringe a recuperação de LNAPL é o trapeamento, onde o LNAPL fica aprisionado nos poros do solo abaixo do nível d’água devido às diferenças nas forças capilares e tensão interfacial entre o óleo e a água (Isler et al. 2018; Teramoto et al., 2020). Este fenômeno foi observado por Pede (2009) em uma área do polo petroquímico de Paulínia.

Em regiões com regimes pluviométricos bem definidos, o trapeamento do LNAPL pode ser intensificado pela oscilação sazonal do nível d’água em resposta à precipitação (Teramoto et al., 2020). As mudanças climáticas e eventos extremos, como secas prolongadas e chuvas torrenciais, adicionam complexidade à gestão de áreas contaminadas (UNESCO, 2022). Precipitações muito abaixo da média intensificam o trapeamento, dificultando a remediação por métodos hidráulicos.

Embora modelos matemáticos e computacionais para simular e prever o nível d’água de aquíferos existam há tempo, sua aplicação é restrita devido à complexidade e à necessidade de recursos especializados. Pesquisas anteriores utilizaram Redes Neurais Artificiais, Máquinas de Vetor de Suporte e modelos estatísticos como ARMA e ARIMA para prever níveis d’água, alguns com capacidade de antecipar em até quatro meses (Tao et al., 2022; Nayak et al. 2006). Mais recentemente, modelos baseados na arquitetura Transformer demonstraram capacidade preditiva superior (Sun et al. 2024).

A necessidade de modelos de machine learning robustos e mais acessíveis, capazes de predizer o nível d’água, é evidente. Tais modelos, aliados ao conhecimento sobre a distribuição vertical do LNAPL, podem fornecer uma linha de evidência crucial para a tomada de decisão e negociação com órgãos ambientais sobre a descontinuidade dos esforços de remediação em áreas contaminadas onde o trapeamento do LNAPL ocorreu. O objetivo deste trabalho foi demonstrar a aplicabilidade de ao menos um modelo de aprendizado de máquina na predição de séries temporais do nível d’água em uma área contaminada por LNAPL como subsídio à tomada de decisão acerca da continuidade da remediação por meio de técnicas de remoção hidráulica.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa de natureza quantitativa, com abordagem metodológica focada na análise de séries temporais. O objetivo foi demonstrar a aplicabilidade de modelos de aprendizado de máquina na predição do nível d’água em uma área contaminada por LNAPL, fornecendo subsídio à tomada de decisão sobre a continuidade da remediação por técnicas hidráulicas. A pesquisa foi realizada em uma área contaminada por querosene de aviação no polo petroquímico de Paulínia, São Paulo, onde o vazamento foi estancado em 2006 e o fenômeno de trapeamento do LNAPL foi previamente observado por Pede (2009).

A unidade de análise consistiu em registros mensais de carga hidráulica de 118 poços de monitoramento (janeiro de 2013 a setembro de 2025) e 180 registros de precipitação pluviométrica acumulada mensal (janeiro de 2011 a dezembro de 2025). Os dados foram coletados de poços de monitoramento e de uma estação meteorológica de superfície na mesma planta industrial. A utilização desses dados, de propriedade da empresa, foi autorizada mediante termo de anuência. Os dados brutos foram inicialmente processados no Microsoft PowerBI Desktop para limpeza e tratamento, e a carga hidráulica foi calculada subtraindo-se o nível d’água da cota altimétrica da boca do tubo.

As etapas subsequentes de tratamento, preenchimento de informações faltantes e preparação dos dados foram conduzidas em linguagem Python, no ambiente Google Colaboratory (Google, 2026), utilizando bibliotecas como Pandas, NumPy, Matplotlib, Seaborn, Scipy, Scikit-learn, Statsmodels e pmdarima. Para preencher lacunas nas séries temporais, empregou-se a função `interpolate` do Pandas. Para a estimação dos modelos, utilizou-se o período de janeiro de 2016 a setembro de 2025, excluindo-se o período da crise hídrica de 2014-2015. A partir das variáveis originais, calcularam-se seis variáveis de carga hidráulica defasadas (um a seis meses) e cinco variáveis de precipitação baseadas no Índice de Precipitação Padronizada (SPI) para escalas de um, dois, três, seis e doze meses, utilizando o pacote SPEI (Vonk, 2025), conforme McKee et al. (1993). Variáveis de precipitação acumulada foram criadas com a função `shift` do Pandas.

Realizou-se uma etapa de clusterização exploratória dos registros de carga hidráulica, empregando o algoritmo DBScan da biblioteca Scikit-Learn (Ester et al., 1996), após padronização dos valores com StandardScaler. Os parâmetros `eps` e `min_samples` do DBScan foram ajustados com base em um gráfico de k-vizinhos. A análise exploratória dos dados incluiu análises descritivas, gráficos de box-plot, gráficos de linha e barras, e uma matriz de correlação de Pearson, visualizada através de um mapa de calor gerado com o pacote Seaborn.

A decomposição da série temporal da carga hidráulica foi realizada utilizando a função `seasonal_decompose` da biblioteca Statsmodels (Hyndman e Athanasopoulos, 2021). A autocorrelação e autocorrelação parcial (FAC e FACP) foram avaliadas com as funções `plot_acf` e `plot_pacf` da mesma biblioteca. A estacionariedade da série temporal foi verificada por meio dos testes de Dickey-Fuller Aumentado (ADF) e Kwiatkowski-Phillips-Schmidt-Shin (KPSS), utilizando as funções `adfuller` e `kpss` do módulo `tsa` da biblioteca Statsmodels, ao nível de significância de cinco por cento (Morettin e Toloi, 2018). A série da carga hidráulica necessitou de duas diferenciações para atingir a estacionariedade.

Para a estimação dos modelos, utilizou-se a função `auto_arima` do pacote pmdarima, que minimiza os critérios de informação de Akaike (AIC) e Bayesiana (BIC) (Morettin e Toloi, 2018). Foram estimados modelos Autorregressivos Integrados de Médias Móveis (ARIMA) e suas extensões sazonais (SARIMA), bem como modelos SARIMAX, que incorporam variáveis exógenas explicativas (Nelson, 1973). O ajuste dos modelos selecionados considerou apenas as variáveis exógenas com coeficientes estatisticamente significativos. O desempenho foi avaliado por predições da carga hidráulica para doze meses, utilizando as funções `get_forecast`, `predicted_mean` e `conf_int`. As métricas de erro utilizadas foram o Erro Médio Absoluto (MAE) e a Raiz do Erro Quadrático Médio (RMSE) (Hyndman e Athanasopoulos, 2021).

O diagnóstico dos resíduos foi realizado para verificar sua representatividade, incluindo a geração de gráficos de resíduos padronizados, histogramas, Q-Q plots e correlogramas. A verificação formal das características dos resíduos incluiu o teste de Ljung-Box para autocorrelação, e os testes de Jarque-Bera, Shapiro-Wilk e Heteroskedasticity para aderência à normalidade e homoscedasticidade (Fávero e Belfiore, 2024).

3. Resultados e Discussão

A análise dos dados da área contaminada por querosene de aviação em Paulínia-SP revelou padrões hidrológicos e pluviométricos que influenciam diretamente o comportamento da carga hidráulica do aquífero, fornecendo subsídios essenciais para a aplicação de modelos preditivos. Inicialmente, a exploração dos registros de carga hidráulica dos poços de monitoramento permitiu identificar agrupamentos espaciais, embora a informação detalhada dos clusters não tenha sido incorporada nas análises subsequentes para focar no comportamento geral do nível d’água na área. A distribuição espacial dos poços de monitoramento, conforme observado, apresentou um agrupamento que seguia o sentido do fluxo da água subterrânea, de nordeste para sudoeste, com alguns poços classificados como “outliers” devido a medições discrepantes.

A série temporal da carga hidráulica, composta por 106 registros de nível d’água após interpolação de 9,40% dos dados faltantes, demonstrou uma mediana de 589,092 metros e uma média de 589,093 metros. A interpolação linear foi aplicada para preencher lacunas, uma limitação metodológica reconhecida, mas cujo impacto foi considerado limitado pela natureza da resposta do aquífero à precipitação e pela curta duração das falhas de medição. A distribuição mensal da carga hidráulica revelou um padrão sazonal claro, com picos nos meses de março e abril e mínimos em outubro e novembro, indicando a influência sazonal sobre o nível d’água.

A precipitação acumulada mensal, com 117 registros, apresentou uma mediana de 75,000 milímetros e média de 99,150 milímetros, com uma leve assimetria à direita. A distribuição mensal da precipitação confirmou o padrão sazonal esperado para a região, caracterizado por verões chuvosos e invernos secos. Essa sazonalidade é um fator crucial para entender a dinâmica da recarga do aquífero e, consequentemente, as oscilações da carga hidráulica, que são fundamentais para o planejamento da remediação de áreas contaminadas por LNAPL.

Correlação entre variáveis

A avaliação da correlação entre as variáveis originais e construídas, incluindo a carga hidráulica, precipitação pluviométrica mensal, variáveis defasadas da carga hidráulica e índices de precipitação padronizada (SPI), revelou relações significativas. Observou-se uma correlação de 41% entre os valores da carga hidráulica e o SPI de 6 meses (spi6), 41% com a precipitação acumulada em 2 meses (pluv_acum2) e 54% com a precipitação acumulada em 3 meses (pluv_acum3). Esses resultados são consistentes com a compreensão de que a resposta do aquífero à precipitação não é imediata, mas sim defasada, devido aos processos de infiltração e recarga da água no solo.

A análise das séries temporais da carga hidráulica em conjunto com a precipitação pluviométrica acumulada mensal, o SPI de 6 meses e a precipitação acumulada em 3 meses, demonstrou visualmente que a carga hidráulica tende a aumentar em períodos de maior precipitação, confirmando a relação de dependência. Essa observação é vital para a modelagem, pois a inclusão de variáveis exógenas que capturem essa defasagem temporal pode aprimorar significativamente a capacidade preditiva dos modelos, alinhando-se com a literatura que destaca a importância da precipitação na dinâmica de aquíferos (Teramoto et al., 2020).

Análise da decomposição da variável resposta

A decomposição da série temporal da carga hidráulica, realizada pelo método aditivo, permitiu identificar claramente a presença de componentes de tendência, sazonalidade e um resíduo. A tendência observada na carga hidráulica ao longo do tempo reflete mudanças de longo prazo no sistema hidrogeológico, enquanto a sazonalidade capta os padrões anuais de oscilação do nível d’água, fortemente influenciados pelo regime pluviométrico da região. A identificação desses componentes é um passo fundamental para a estimação de modelos de séries temporais, pois permite que os modelos capturem e expliquem esses padrões de comportamento (Hyndman e Athanasopoulos, 2021).

Os gráficos da Função de Autocorrelação (FAC) e da Função de Autocorrelação Parcial (FACP) da variável resposta confirmaram a existência de tendência e sazonalidade nos dados. Os picos na FACP indicaram que a série temporal da carga hidráulica pode ser modelada como um processo autorregressivo de ordem 2 ou 3. Essas informações foram cruciais para a escolha dos parâmetros iniciais da função `auto_arima` do pacote `pmdarima`, orientando a estrutura dos modelos SARIMA e SARIMAX a serem estimados.

Testes de estacionariedade da série temporal

A avaliação da estacionariedade da série temporal da carga hidráulica foi realizada por meio dos testes de Dickey-Fuller Aumentado (ADF) e Kwiatkowski-Phillips-Schmidt-Shin (KPSS), ao nível de significância de 5%. O teste ADF inicialmente indicou a não estacionariedade da série original, com um p-valor de 0,286026, que é superior ao nível de significância. Após uma diferenciação (d=1), o p-valor reduziu para 0,129114, ainda indicando não estacionariedade. Somente após duas diferenciações (d=2), o p-valor atingiu 7,300095e-13, confirmando a estacionariedade da série.

O teste KPSS, que assume a estacionariedade como hipótese nula, também corroborou a necessidade de diferenciação. Com um p-valor inicial de 0,100000, o teste não rejeitou a hipótese nula de estacionariedade, mas a combinação com o teste ADF e a análise gráfica da série diferenciada duas vezes, que mostrou um comportamento estável em torno da média, confirmou a adequação do parâmetro d=2 para a modelagem. A estacionariedade é um pré-requisito para a aplicação de modelos ARIMA e SARIMA, garantindo que a média e a variância da série sejam constantes ao longo do tempo (Morettin e Toloi, 2018).

Estimação e ajuste dos modelos

A estimação dos modelos SARIMA e SARIMAX foi realizada utilizando a função `auto_arima` do pacote `pmdarima`, buscando minimizar os critérios de informação de Akaike (AIC) e Bayesiano (BIC), que avaliam a parcimônia e a qualidade do ajuste do modelo. Inicialmente, modelos SARIMA, sem variáveis exógenas, foram estimados para comparação. O modelo SARIMA(1,2,0)(2,0,1)[12] apresentou um AIC de -15,377, enquanto o SARIMA(3,2,0)(2,0,0)[12] teve um AIC de -18,023, indicando um melhor ajuste.

A introdução de variáveis exógenas nos modelos SARIMAX demonstrou uma melhoria significativa no desempenho. O modelo SARIMAX(0,2,3)(2,0,0)[12], com todas as variáveis exógenas da Tabela 1, alcançou um AIC de -38,882, uma queda substancial em relação aos modelos SARIMA puros. No entanto, este modelo apresentou autocorrelação nos resíduos, conforme indicado pelo teste de Ljung-Box (p<0,05), o que sugere que nem todas as informações foram capturadas adequadamente.

A análise dos coeficientes dos modelos SARIMAX com todas as variáveis exógenas revelou que algumas variáveis SPI e `pluv_acum2in`, bem como certos termos autorregressivos e de médias móveis, não foram estatisticamente significativos. Essa observação pode ser atribuída à multicolinearidade entre as variáveis preditoras, um fenômeno comum em séries temporais (Fávero e Belfiore, 2024). Modelos com variáveis exógenas como `pluv_acum3` (precipitação acumulada nos 3 meses anteriores) e `spi1` (índice de precipitação padronizada de 1 mês) apresentaram os menores erros, o que é coerente com a resposta defasada do aquífero à precipitação.

O modelo SARIMAX(2,2,3)(2,0,1)[12] com a variável `pluv_acum3` destacou-se com um erro médio absoluto (MAE) de 0,1041 metros para uma previsão de 12 meses, considerado satisfatório para o objetivo do estudo. Outro modelo notável foi o SARIMAX(2,2,2)(2,0,0)[12] com `spi1`, que obteve um AIC de -52,144 e BIC de -31,066, indicando um ajuste robusto. A seleção final dos modelos para ajuste e diagnóstico de resíduos foi baseada nos critérios AIC, BIC e na estatística Ljung-Box, priorizando a parcimônia e a significância estatística dos coeficientes.

Diagnóstico dos resíduos

O diagnóstico dos resíduos dos modelos ajustados foi realizado para verificar sua representatividade, conforme preconizado por Morettin e Toloi (2018). A avaliação dos gráficos de dispersão dos resíduos padronizados de todos os modelos ajustados revelou uma distribuição aleatória em torno da média zero ao longo do tempo, indicando homoscedasticidade. Essa característica foi formalmente confirmada pela estatística Heteroskedasticity, que, segundo a documentação da biblioteca `Statsmodels`, é análoga ao teste de Goldfeld-Quandt, cuja hipótese nula é a não heterocedasticidade dos resíduos.

No entanto, os gráficos Quantil-Quantil indicaram que a distribuição dos resíduos em todos os modelos não aderiu totalmente à normalidade, possivelmente devido à presença de valores de cauda. Essa não aderência foi corroborada pelos testes estatísticos de Jarque-Bera e Shapiro-Wilk, que apresentaram p-valores inferiores a 0,05 para todos os modelos ajustados. Embora a não normalidade dos resíduos não invalide os modelos, ela pode ter implicações na determinação dos intervalos de confiança (Fávero e Belfiore, 2024). A transformação da variável dependente, como a transformação de Box-Cox, poderia mitigar esse problema, mas não foi explorada no presente trabalho.

Em síntese, os resultados demonstraram a aplicabilidade de modelos estatísticos de aprendizado de máquina na predição da carga hidráulica em uma área contaminada, com destaque para os modelos SARIMAX que incorporam variáveis exógenas de precipitação. A capacidade de prever o nível d’água com um erro médio absoluto de 0,1041 metros, utilizando a precipitação acumulada em 3 meses, representa uma prova de conceito robusta. Essa evidência quantitativa é crucial para apoiar o planejamento da remediação e o gerenciamento de longo prazo de áreas contaminadas por hidrocarbonetos, especialmente em contextos de trapeamento de LNAPL e oscilações sazonais do nível d’água.

4. Conclusão

O presente trabalho demonstrou a aplicabilidade de modelos de aprendizado de máquina na predição de séries temporais da carga hidráulica em uma área contaminada por querosene de aviação, fornecendo subsídio para a tomada de decisão acerca da continuidade da remediação por técnicas hidráulicas. Verificou-se que a carga hidráulica do aquífero exibe padrões sazonais claros e uma resposta defasada à precipitação pluviométrica. A estimação de modelos SARIMAX, que incorporaram variáveis exógenas de precipitação, aprimorou significativamente a capacidade preditiva em comparação com modelos SARIMA puros. Um modelo SARIMAX, utilizando a precipitação acumulada em três meses, alcançou um erro médio absoluto de 0,1041 metros para uma previsão de doze meses, o que se considera satisfatório. Este resultado estabeleceu uma prova de conceito robusta, oferecendo uma linha de evidência quantitativa crucial para o planejamento da remediação e o gerenciamento de longo prazo de áreas contaminadas por hidrocarbonetos, especialmente em cenários de trapeamento de LNAPL e oscilações sazonais do nível d’água.

Apesar da relevância dos achados, o estudo apresentou limitações, como a interpolação linear de 9,40% dos dados faltantes, cujo impacto na sensibilidade dos modelos não foi avaliado, e a não aderência total dos resíduos à normalidade, o que pode influenciar a determinação dos intervalos de confiança. Observou-se também a multicolinearidade entre algumas variáveis exógenas de SPI, que resultou em coeficientes não significativos para certas variáveis. Para estudos futuros, sugere-se aprofundar a investigação sobre a multicolinearidade e a utilização dos clusters identificados pelo algoritmo DBScan na estimação dos modelos. Recomenda-se ainda testar abordagens como o Método de Previsão Global e explorar modelos mais avançados, como LSTM, NeuralProphet e aqueles baseados em Transformers, para capturar não linearidades e aprimorar a capacidade preditiva em poços piezométricos específicos.

Referências Bibliográficas

Alden, D.F.; García-Rincón, J.; Rivett, M.O.; Wealthall, G.P.; Thomson, N.R. 2024. Complexities of Petroleum Hydrocarbon Contaminated Sites. p. 1-19. In: García-Rincón, J.; Gatsios, E.; Lenhard, R.J.; Atekwana, E.A.; Naidu, R. Advances in the Characterisation and Remediation of Sites Contaminated with Petroleum Hydrocarbons. Environmental Contamination Remediation and Management. Springer, Cham.

Companhia Ambiental do Estado de São Paulo [CET

Companhia Ambiental do Estado de São Paulo [CETESB], 2025. Sistema de Áreas Contaminadas e Reabilitadas. Relatório de Áreas Contaminadas e Reabilitadas no Estado de São Paulo. Disponível em: < https://sigam.ambiente.sp.gov.br/sigam3/Default.aspx?idPagina=17653>. Acesso em: 10 out. 2025.

Organização das Nações Unidas para a Educação, a Ciência e a Cultura [UNESCO]. 2022. UN World Water Development Report 2022: Groundwater: Making the invisible visible. Disponível em: <https://www.unwater.org/publications/un-world-water-development-report-2022>. Acesso em: 12 out. 2025.

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

09 de outubro de 2026

Baixa Produção de Conteúdo Gerado Pelo Usuário em Colaborações de Cosméticos nas Plataformas Digitais

09 de outubro de 2026

Previsão de vendas por produto e cliente com modelos da família ARIMA

09 de outubro de 2026

Automação e Curadoria de Séries Históricas Hidrometeorológicas da ANA via Pipeline Computacional em Linguagem R

09 de outubro de 2026

Ferramentas e técnicas de gestão do tempo utilizadas por técnicos da capacitação profissional rural e promoção social

09 de outubro de 2026

Análise de Correspondência Aplicada a Dados Periciais: Identificação de Padrões Para Melhoria dos Serviços de Atendimento

09 de outubro de 2026

Predição do MVP da NBA com Técnicas de Aprendizado de Máquina

09 de outubro de 2026

O comportamento das gerações de consumidores digitais de materiais para construção: análise da Geração X

Digital Business

09 de outubro de 2026

Experiência do cliente digital e satisfação do consumidor em plataformas online

Neurociência E Aprendizagem Na Educação

09 de outubro de 2026

Fundamentos para estruturação de currículos baseados em habilidades de raciocínio

Você também pode gostar

09 de outubro de 2026

Baixa Produção de Conteúdo Gerado Pelo Usuário em Colaborações de Cosméticos nas Plataformas Digitais

Este estudo analisou a relação entre colaborações de marcas, conhecidas como “collabs”, no setor de cosméticos e a produção de conteúdo gerado pelo usuário (UGC) em plataformas digitais. A pesquisa abordou a relevância do tema diante do crescimento do mercado de beleza e da intensificação das estratégias de “co-branding” como ferramenta de diferenciação e inovação. O objetivo principal foi compreender de que forma essas colaborações influenciaram o comportamento do consumidor digital, com foco na criação de UGC e na intenção de compra. Para isso, a metodologia adotada foi exploratória e descritiva, com a aplicação de um questionário online a 493 respondentes da região Sudeste do Brasil. Os dados coletados foram analisados por meio de estatística descritiva. Os resultados indicaram que, embora as “collabs” gerassem engajamento entre os consumidores, a produção de UGC ativo foi baixa, predominando interações passivas como curtidas, salvamentos e reações rápidas. Adicionalmente, as colaborações demonstraram influência limitada na intenção de compra e na disposição a pagar mais pelos produtos. Concluiu-se que, apesar do potencial estratégico das “collabs” para o mercado de cosméticos, sua efetividade dependeu de fatores como a relevância percebida, a identificação com a marca e a presença de estímulos adicionais para a criação de conteúdo pelo usuário.

Palavras-chave: Comportamento online; Co-branding; Engajamento do consumidor; Intenção de compra; Interação digital.

09 de outubro de 2026

Previsão de vendas por produto e cliente com modelos da família ARIMA

O planejamento de vendas e estoques mostrou-se relevante para a tomada de decisão empresarial. O trabalho teve como objetivo desenvolver um modelo de previsão de vendas por produto, cliente e loja para os 12 meses subsequentes, utilizando dados históricos mensais. A metodologia baseou-se na aplicação de modelos da família ARIMA a 5.669 registros de vendas, abrangendo 745 combinações únicas de produto, cliente e loja, de janeiro de 2021 a dezembro de 2024. Realizou-se análise exploratória da série agregada, decomposição sazonal, testes de estacionariedade, análise de autocorrelação e identificação de modelos candidatos. A seleção dos modelos foi apoiada por procedimento stepwise e comparação walk-forward com estimador uniforme (SARIMAX). Os resultados indicaram que o modelo SARIMA(1,1,0)(1,0,0,12) apresentou desempenho superior ao ARIMA(1,1,1), com um MAPE de 13,51% e melhor aderência ao comportamento sazonal. Na aplicação granular, 122 séries receberam SARIMA, 247 receberam ARIMA e 376 utilizaram média histórica. Concluiu-se que a incorporação da componente sazonal fortaleceu a consistência metodológica e a utilidade prática do modelo para a previsão de vendas.

Palavras-chave: planejamento de estoques; SARIMA; sazonalidade; séries temporais.

09 de outubro de 2026

Automação e Curadoria de Séries Históricas Hidrometeorológicas da ANA via Pipeline Computacional em Linguagem R

A disponibilidade de dados ambientais consistentes é fundamental para o avanço das pesquisas em climatologia e gestão de recursos hídricos. Desenvolveu-se e implementou-se um algoritmo computacional em linguagem R para a aquisição automatizada, padronização e organização de séries históricas diárias de precipitação, nível e vazão, provenientes do WebService da Agência Nacional de Águas e Saneamento Básico (ANA). O método baseou-se em um pipeline de dados estruturado, operando conforme as janelas temporais de 1961–1990, 1991–2020 e 2021–2024. A implementação utilizou processamento paralelizado, o que garantiu ganho de desempenho em relação a métodos sequenciais. Como resultado, o algoritmo qualificou o inventário de estações e gerou dados estruturados em formato Parquet com compressão gzip, assegurando alta performance e economia volumétrica. Concluiu-se que a solução automatizada superou as limitações operacionais de ferramentas manuais e preexistentes, provendo datasets curados e de alta granularidade, aptos para aplicações avançadas de modelagem hidrológica e algoritmos de Machine Learning.

Palavras-chave: Automação; Ciência de dados; Hidrologia; Linguagem R; Séries temporais.

09 de outubro de 2026

Ferramentas e técnicas de gestão do tempo utilizadas por técnicos da capacitação profissional rural e promoção social

A gestão do tempo configura-se como um elemento essencial para a melhoria da produtividade e da qualidade das entregas, ao permitir a organização, priorização e execução eficiente das atividades, contribuindo diretamente para o alcance de metas e a otimização dos resultados no contexto profissional e pessoal. Objetivou-se compreender como práticas, ferramentas e técnicas de gestão do tempo, adotadas por instrutores de formação profissional rural e de promoção social, se associaram a dois desfechos centrais: a realização das atividades diárias planejadas e a percepção do impacto dessas práticas no bem-estar e produtividade. Os dados foram coletados por meio de questionário on-line estruturado, composto por 18 questões, e as análises foram realizadas no ambiente Python com bibliotecas estatísticas. Os resultados revelaram que a elevada formação acadêmica e maturidade profissional não se traduziu em maior eficácia na gestão do tempo. Observou-se amplo conhecimento sobre ferramentas e técnicas, mas sua utilização prática foi limitada e desigual. Ferramentas mais simples e intuitivas, como listas de tarefas, apresentaram maior adesão, enquanto técnicas que exigem transformações comportamentais, como a Técnica Pomodoro, tiveram baixa aplicação. Houve predominância do uso de soluções digitais, com destaque para o Google Agenda. Evidenciou-se uma percepção quase unânime de que a gestão do tempo influencia diretamente a produtividade e o bem-estar. Concluiu-se que a melhoria da gestão do tempo não dependeu exclusivamente da adoção de ferramentas e técnicas, mas, sobretudo, do desenvolvimento de habilidades práticas e comportamentais, aliado a ajustes nas condições de trabalho.

Palavras-chave: 5W2H; Matriz de Eisenhower; Matriz GUT; Multitarefa; Procrastinação.

09 de outubro de 2026

Análise de Correspondência Aplicada a Dados Periciais: Identificação de Padrões Para Melhoria dos Serviços de Atendimento

A necessidade de otimizar recursos e compreender a complexa dinâmica criminal motivou a exploração de dados periciais, frequentemente subutilizados em laudos textuais. Aplicou-se a Análise de Correspondência Múltipla (ACM) em atendimentos periciais na Macrorregião de Bauru, SP. O objetivo foi investigar e identificar padrões de associação entre o tipo de ocorrência, o período do dia, o dia da semana e a localização, visando subsidiar decisões operacionais. Utilizaram-se dados da Superintendência da Polícia Técnico-Científica (SPTC), coletados entre maio de 2023 e janeiro de 2026. A metodologia englobou a limpeza, transformação e categorização das variáveis, além da construção de matrizes de contingência processadas em Python. A análise descritiva inicial revelou que furtos e colisões predominaram no volume total de ocorrências, enquanto crimes violentos, como homicídios, estupros e feminicídios, representaram uma parcela menor, mas demandaram tempos de resposta significativamente maiores. A ACM mapeou visualmente as correlações estruturais, demonstrando associações claras entre crimes noturnos e de finais de semana com regiões específicas. Identificaram-se dois agrupamentos principais: um perfil noturno e de fim de semana, associado a choques, atropelamentos e suicídios, com destaque para Bauru; e um perfil diurno em dias úteis, dominado por furtos e danos à propriedade. Demonstrou-se que o uso de técnicas exploratórias de aprendizado de máquina transformou dados periciais brutos em informações estratégicas vitais, fornecendo subsídios para a alocação eficiente de equipes e fundamentando a elaboração de políticas públicas baseadas em evidências.

Palavras-chave: Crimes violentos; Matriz de contingência; Priorização de serviços; Python; Tempos de resposta.

09 de outubro de 2026

Predição do MVP da NBA com Técnicas de Aprendizado de Máquina

O prêmio de Most Valuable Player (MVP) da NBA possui grande relevância no basquete profissional, refletindo o reconhecimento de atletas e os padrões de votação. Um estudo desenvolveu e avaliou modelos de aprendizado de máquina supervisionado para prever o prêmio MVP da NBA, tratando o problema como uma tarefa de ordenação baseada na estimação do valor de “Share” da votação. Foram treinados e avaliados cinco algoritmos – Random Forest, LightGBM, XGBoost, CatBoost e NGBoost – utilizando dados históricos da NBA de 1996 a 2025, coletados do portal “Basketball Reference”. Os modelos foram testados nas temporadas de 2019 a 2025. O CatBoost alcançou o melhor desempenho na acurácia Top-5 (77,14%), identificando consistentemente os cinco principais candidatos. Random Forest, LightGBM e NGBoost empataram na acurácia Top-1 (42,86%), prevendo corretamente o vencedor em três das sete temporadas avaliadas. A análise de importância das variáveis indicou que o desempenho ofensivo individual, especialmente pontos por partida, e o desempenho coletivo da equipe, representado pelo percentual de vitórias, foram os principais determinantes das previsões. Os resultados demonstraram a viabilidade da abordagem proposta e seu elevado potencial para estudos futuros.

Palavras-chave: Aprendizado de máquina; Boosting; NBA; Predição esportiva; Random Forest.

09 de outubro de 2026

O comportamento das gerações de consumidores digitais de materiais para construção: análise da Geração X

Analisou-se o comportamento da Geração X na compra de materiais para construção, considerando a articulação entre canais digitais e físicos e as percepções de varejistas e indústrias sobre esse processo. O objetivo foi investigar como esse público utiliza os canais digitais e físicos no processo decisório e relacionar os achados às respostas de varejistas e indústrias. Realizou-se uma pesquisa descritiva e exploratória, com abordagem quantitativa e interpretação qualitativa, por meio de três questionários aplicados a 37 consumidores, 25 varejistas e 25 representantes da indústria. Os dados de cada grupo foram analisados separadamente e, em seguida, relacionados por eixos temáticos. Os resultados indicaram que os consumidores da Geração X utilizam meios digitais para pesquisa e comparação, mas valorizam a loja física para contato com o produto, confiança e atendimento consultivo. Os varejistas reconheceram a transformação, mas apresentaram diferentes níveis de adaptação, enquanto as indústrias relataram uso heterogêneo de tecnologias e reconheceram seu papel de apoio ao varejo. Concluiu-se que o comportamento da Geração X se caracteriza por uma jornada híbrida, que exige maior integração entre os canais e os agentes da cadeia de materiais para construção.

Palavras-chave: Comportamento do consumidor; Geração X; Jornada de compra híbrida; Transformação digital; Varejo de materiais para construção.

Digital Business

09 de outubro de 2026

Experiência do cliente digital e satisfação do consumidor em plataformas online

Um estudo analisou como as dimensões da experiência do cliente digital (controle percebido, conveniência do serviço, atendimento ao cliente e cumprimento dos serviços) influenciam a satisfação do consumidor em plataformas online para aquisição de produtos e serviços. Adotou-se uma abordagem quantitativa e descritiva, com dados primários coletados entre 02 e 13 de fevereiro de 2026, por meio de escalas validadas aplicadas a consumidores de e-commerce. A amostra, definida por conveniência, contemplou diversos perfis de usuários. Realizou-se análise descritiva para caracterização dos respondentes, seguida de análises de correlação e regressão linear múltipla para verificar as relações entre as variáveis. Os resultados evidenciaram que as dimensões Conveniência do Serviço, Cumprimento dos Serviços e Atendimento ao Cliente apresentaram associação positiva e estatisticamente significativa com a satisfação do consumidor. O Controle Percebido, contudo, não demonstrou influência significativa no modelo estimado. Esses achados contribuíram para a compreensão das relações entre a experiência digital e a satisfação do consumidor em plataformas de e-commerce.

Palavras-chave: Análise multivariada; Comércio eletrônico; Comportamento do consumidor; Experiência do usuário; Qualidade do serviço.

Neurociência E Aprendizagem Na Educação

09 de outubro de 2026

Fundamentos para estruturação de currículos baseados em habilidades de raciocínio

Nas últimas décadas, observou-se uma transição educacional de modelos focados em conteúdo para o desenvolvimento de competências, impulsionada pela ubiquidade da informação. Nesse contexto, as habilidades de raciocínio tornaram-se pedagogicamente cruciais por embasarem a compreensão, relação e adaptação de conteúdos em cenários complexos. Com base nessa perspectiva, buscou-se consolidar um modelo detalhado das habilidades que compõem o raciocínio cognitivo, visando servir de base para a elaboração de currículos e programas pedagógicos. Para tanto, realizou-se uma pesquisa qualitativa e exploratória, que envolveu uma síntese multidisciplinar de conhecimentos da filosofia da mente, epistemologia, semiótica, psicologia cognitiva e neurociência. Essa abordagem proporcionou uma visão abrangente da natureza e das funções do raciocínio humano. O modelo resultante classificou as habilidades em quatro funções cognitivas principais, subdivididas em níveis crescentes de complexidade, que acompanharam o desenvolvimento cognitivo humano. A estrutura final mostrou-se bem fundamentada e aplicável à elaboração de currículos e programas pedagógicos, oferecendo uma taxonomia de habilidades do raciocínio diretamente utilizável no sequenciamento instrucional e na avaliação de competências cognitivas.

Palavras-chave: Currículo baseado em competências; Desenvolvimento cognitivo; Habilidades cognitivas; Pensamento crítico; Raciocínio cognitivo.

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 De Projetos

25 de setembro de 2026

A IA acelera as respostas; quem assume as decisões?

Velocidade da tecnologia só vira vantagem quando acompanha a capacidade de compreender, verificar e assumir a responsabilidade pelos resultados Imagine uma equipe que passa a produzir em uma tarde as análises que antes exigiam uma semana. A mudança parece justificar o investimento em inteligência artificial. Mas, antes de contabilizar o ganho, cabe perguntar quem examinou […]

Inovação

14 de setembro de 2026

Não lemos apenas palavras

Como novos códigos, tecnologias e formas de comunicação ampliam aquilo que precisamos aprender a interpretar Ser alfabetizado costuma ser entendido inicialmente como: reconhecer letras, formar palavras, compreender frases e produzir textos. Durante muito tempo, foi principalmente a partir desse domínio que definimos o que significava saber ler e, consequentemente, participar de diferentes espaços da sociedade. […]

Redes Sociais

14 de setembro de 2026

O efeito da influência no consumo

O que a pesquisa Youpix/Nielsen 2026 mostra sobre o avanço da Creator Economy Em 2025, 80% dos consumidores brasileiros compraram algum produto recomendado por influenciadores. Em 2026, o índice chegou a 81%. A estabilidade em um patamar tão elevado indica que a compra por influência deixou de ser um comportamento restrito a determinados públicos. O […]

Chamada De Artigos

11 de setembro de 2026

Chamada de artigos – Edição Temática Gestão de Pessoas

Submissões abertas de 11/09/2026 a 30/09/2026 Estão abertas as submissões para a Chamada Temática Gestão de Pessoas 2026, da Revista Estratégias & Soluções (E&S). A chamada será organizada em dois fluxos editoriais: Fluxo 1 – Trabalhos finais de destaque do MBA USP/EsalqDestinado aos TCCs do curso de Gestão de Pessoas do MBA USP/Esalq que obtiveram […]

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 […]