Campo Dublin Core | Valor | Língua |
dc.contributor.advisor | Garcia, Reinaldo Crispiniano | - |
dc.contributor.author | Becker, Guilherme Monteiro de Castro | - |
dc.identifier.citation | BECKER, 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.description | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia de Produção, 2022. | pt_BR |
dc.description.abstract | Os 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.rights | Acesso Aberto | pt_BR |
dc.subject.keyword | Micro e pequenas empresas | pt_BR |
dc.subject.keyword | Falência | pt_BR |
dc.subject.keyword | Regressão logística (Estatística) | pt_BR |
dc.title | Predição de encerramento de micro e pequenas empresas da indústria de transformação | pt_BR |
dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
dc.date.accessioned | 2024-03-09T18:31:29Z | - |
dc.date.available | 2024-03-09T18:31:29Z | - |
dc.date.submitted | 2022-09-28 | - |
dc.identifier.uri | https://bdm.unb.br/handle/10483/37890 | - |
dc.language.iso | Português | pt_BR |
dc.rights.license | A 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.abstract1 | The 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
|