Logo do repositório
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Entrar
    Novo usuário? Clique aqui para cadastrar. Esqueceu sua senha?
Logo do repositório
  • Comunidades e Coleções
  • Tudo no DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Entrar
    Novo usuário? Clique aqui para cadastrar. Esqueceu sua senha?
  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Thyago Sousa Mendes"

Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
  • Nenhuma Miniatura disponível
    Item
    DIMENSIONAMENTO DA FORÇA DE TRABALHO PARA A SEÇÃO ESPECIALIZADA EM PERÍCIAS DE CRIMES CONTRA O PATRIMÔNIO DA POLÍCIA CIENTÍFICA DO ESTADO DE GOIÁS: MODELAGEM COM SÉRIES TEMPORAIS E AGRUPAMENTO
    (2025) Thyago Sousa Mendes; Celso Faria de Souza
    Este estudo desenvolve uma metodologia para dimensionar a força de trabalho da Seção Especializada em Perícias de Crimes Contra o Patrimônio da Polícia Científica de Goiás, com base em modelagem estatística. O problema central reside na alocação inadequada de peritos, fundamentada em critérios históricos e dissociada de previsões que considerem a sazonalidade e variabilidade da demanda. O objetivo é propor um modelo orientado por dados, utilizando séries temporais e análise de agrupamento para prever solicitações de perícias e classificar a carga de trabalho por plantão. A metodologia adotada é quantitativa, aplicada e exploratória-descritiva, empregando registros institucionais de ocorrências patrimoniais entre janeiro de 2020 e maio de 2025. Utilizou-se a modelagem GAMLSS, com distribuição Binomial Negativa, para prever a demanda diária, incorporando sazonalidade semanal e autocorrelação. Em paralelo, o algoritmo k-means foi aplicado a dados simulados computacionalmente para uma pesquisa de esforço percebido segundo a escala NASA-TLX. Os resultados do trabalho identificaram padrões temporais, como maior demanda às segundas-feiras e picos em janeiro, fevereiro e novembro. O agrupamento definiu três regimes de carga laboral. Como produto, propõe-se um indicador de alocação baseado na razão entre demanda prevista e número ideal de atendimentos, otimizando recursos e mitigando sobrecargas. Conclui-se que a abordagem substitui critérios subjetivos por uma base empírica, sendo replicável em outros contextos periciais.

DSpace software copyright © 2002-2026 LYRASIS

  • Configurações de Cookies
  • Política de Privacidade
  • Termos de Uso
  • Enviar uma Sugestão