Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/40845| Título: | Simplificação da visualização de mapas de processos na gestão pública municipal por meio de agrupamento |
| Título(s) alternativo(s): | Simplifying process map visualization in municipal public management through clustering |
| Autor(es): | Mohr, Vithor Augusto |
| Orientador(es): | Southier, Luiz Fernando Puttow |
| Palavras-chave: | Mineração de dados (Computação) Gestão da qualidade total Processamento eletrônico de dados Data mining Total quality management Electronic data processing |
| Data do documento: | 23-Jun-2026 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Pato Branco |
| Citação: | MOHR, Vithor Augusto. Simplificação da visualização de mapas de processos na gestão pública municipal por meio de agrupamento. 2026. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2026. |
| Resumo: | A gestão da qualidade na administração pública municipal brasileira enfrenta desafios crônicos de ineficiência, perpetuando um modelo de gestão empírica apesar da crescente digitalização e do vasto processamento eletrônico de dados processuais. A Mineração de Processos surge como uma solução analítica, mas sua aplicação direta em ambientes de alta variabilidade, como as prefeituras, frequentemente resulta na geração de modelos visuais ininteligíveis, conhecidos como "processos espaguete". Diante dessa lacuna, este trabalho realiza um estudo comparativo entre algoritmos de agrupamento (K-Means, Hierárquico e DBSCAN) para avaliar a sua eficácia na simplificação da visualização de fluxos de trabalho administrativos a partir de dados reais de uma prefeitura municipal. A metodologia envolveu a extração e o pré-processamento de um log com 167.175 eventos, a vetorização estrutural dos traços, a aplicação de um filtro topológico mantendo os 13% de transições mais frequentes e a execução dos agrupamentos. A avaliação foi conduzida sob métricas de desempenho computacional, cálculo do Coeficiente de Silhueta e inspeção visual qualitativa dos mapas projetados. Os resultados quantitativos revelaram um claro trade-off : enquanto o K-Means e o DBSCAN demonstraram alta eficiência computacional (consumo inferior a 35 MB de memória), o K-Means falhou na coesão semântica (Silhueta de -0,1695). O DBSCAN destacou-se como filtro de ruído ao isolar as anomalias operacionais (coeficiente de Silhueta de 0,4255). Em contrapartida, o Algoritmo Hierárquico, mesmo exigindo um elevado custo computacional (pico de 8,4 GB de memória RAM), entregou a qualidade estrutural substancialmente superior (Coeficiente de Silhueta de 0,4406). Concluise que os algoritmos de agrupamento demonstraram eficácia na simplificação da visualização de processos na gestão pública. Apesar dos trade-offs inerentes a cada modelo, a aplicação combinada dessas técnicas permite desemaranhar a complexidade dos dados, transformando fluxos caóticos em ferramentas visuais acionáveis para auditoria e tomada de decisão baseada em evidências. |
| Abstract: | Quality management in Brazilian municipal public administration faces chronic inefficiency challenges, perpetuating an empirical management model despite increasing digitalization and the vast electronic processing of procedural data. Process Mining emerges as an analytical solution, but its direct application in high-variability environments, such as municipalities, frequently results in the generation of unintelligible visual models, known as "spaghetti processes". Addressing this gap, this work conducts a comparative study among clustering algorithms (K-Means, Hierarchical, and DBSCAN) to evaluate their effectiveness in simplifying the visualization of administrative workflows using real data from a municipality. The methodology involved the extraction and preprocessing of a log with 167,175 events, the structural vectorization of the traces, the application of a topological filter retaining the 13% most frequent transitions, and the execution of the clustering algorithms. The evaluation was conducted using computational performance metrics, calculation of the Silhouette Coefficient, and qualitative visual inspection of the projected maps. The quantitative results revealed a clear trade-off : while K-Means and DBSCAN demonstrated high computational efficiency (memory consumption below 35 MB), K-Means failed in semantic cohesion (Silhouette score of -0.1695). DBSCAN stood out as a noise filter by isolating operational anomalies (Silhouette coefficient of 0.4255). In contrast, the Hierarchical Algorithm, despite requiring a high computational cost (peak of 8.4 GB of RAM), delivered a substantially superior structural quality (Silhouette Coefficient of 0.4406). It is concluded that clustering algorithms demonstrated effectiveness in simplifying process visualization in public management. Despite the trade-offs inherent to each model, the combined application of these techniques allows untangling data complexity, transforming chaotic flows into actionable visual tools for auditing and evidence-based decision-making. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/40845 |
| Aparece nas coleções: | PB - Engenharia de Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| simplificacaovisualizacaomapasagrupamento.pdf | 10,25 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
