Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/37890
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2022_GuilhermeMonteiroDeCastroBecker_tcc.pdf2,49 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorGarcia, Reinaldo Crispiniano-
dc.contributor.authorBecker, Guilherme Monteiro de Castro-
dc.identifier.citationBECKER, Guilherme Monteiro de Castro. Predição de encerramento de micro e pequenas empresas da indústria de transformação. 2022. 88 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) — Universidade de Brasília, Brasília, 2022.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia de Produção, 2022.pt_BR
dc.description.abstractOs pequenos negócios desempenham uma função essencial para o desenvolvimento socioeconômico do país. Ao gerarem um volume significativo de empregos e incentivarem as economias locais, estes empreendimentos promovem a redução das desigualdades e melhoram a qualidade de vida da população. Entretanto, os elevados índices de encerramento das micro e pequenas empresas, sobretudo nos primeiros anos de atividade, evidenciam um problema complexo e revelam a necessidade de ações preventivas. Este cenário é ainda mais crítico para o grupo de micro e pequenas empresas da indústria de transformação, uma vez que o setor não vem apresentando bons resultados nos últimos anos. Diante disso, o presente trabalho tem como objetivo prever o encerramento das micro e pequenas empresas da indústria de transformação brasileira, com base nos dados públicos disponibilizados pela Receita Federal do Brasil. Para tanto, foram identificados e analisados os fatores relacionados com o fechamento destas empresas e, a partir dos atributos levantados, aplicou-se o algoritmo de regressão logística. O modelo desenvolvido obteve uma acurácia média de 70,6% e uma área sob a curva ROC média de 70,35%, de forma que os resultados demonstram a sua capacidade de predição.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordMicro e pequenas empresaspt_BR
dc.subject.keywordFalênciapt_BR
dc.subject.keywordRegressão logística (Estatística)pt_BR
dc.titlePredição de encerramento de micro e pequenas empresas da indústria de transformaçãopt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2024-03-09T18:31:29Z-
dc.date.available2024-03-09T18:31:29Z-
dc.date.submitted2022-09-28-
dc.identifier.urihttps://bdm.unb.br/handle/10483/37890-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1The micro and small businesses play an essential role in a country’s socio-economic development. By generating a significant amount of jobs and enhancing the local economies, these companies are able to reduce the inequality and to improve the population’s life quality. However, the high closure rate of these firms, especially in the first few years, reveal a complex problem that needs to be solved. This situation is even worse for small businesses in the processing industry, due to its recent negative results. Therefore, this study aims to predict the businesses failure for micro and small Brazilian processing industries, based on a public dataset provided by the government. For this purpose, factors related to the closure of these companies were identified and analysed. Subsequently, these characteristics were applied to develop a model based on logistic regression algorithm. The developed model obtained an average accuracy of 70.6% and an average area under the ROC curve of 70.35%, showing its prediction capability.pt_BR
Aparece na Coleção:Engenharia de Produção



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.