Utilização de modelos de aprendizado de máquina para a classificação da satisfação de usuários nos aeroportos do Brasil Autores Leonardo Fernando de Oliveira Universidade Tecnológica Federal do Paraná https://lnkd.in/grFyVUUm Rafael Henrique Palma Lima Universidade Tecnológica Federal do Paraná https://lnkd.in/gKCKBtHE Bruno Samways dos Santos Universidade Tecnológica Federal do Paraná https://lnkd.in/geH4JgKk DOI: https://lnkd.in/g528Hye9 Palavras-chave: Aeroportos, Aprendizado de Máquina, Satisfação, Classificação Resumo Este artigo descreve a aplicação de técnicas de aprendizado de máquina (AM) utilizando os dados da pesquisa de satisfação de usuários em vários aeroportos no Brasil para classificá-los de acordo com sua satisfação. Foram utilizados os métodos K-Nearest Neighbors (KNN), Naïve Bayes, Árvore de Decisões e Floresta Aleatória para classificar a satisfação dos usuários, e a regressão linear para a imputação de dados, utilizando o conjunto de dados de 2017 a 2022 como conjunto de treinamento. Os dados foram previamente processados e limpos. O conjunto de dados de 2017 a 2022 foi utilizado para treinar o modelo, enquanto o conjunto de dados mais recente de 2023 foi utilizado como conjunto para teste. Após a classificação, a técnica de hiperparâmetros foi aplicada para melhorar os resultados das métricas. Os modelos de aprendizado de máquina apresentaram resultados satisfatórios na classificação dos usuários. Além disso, a pesquisa revelou os principais fatores que afetam a satisfação dos clientes nos aeroportos, destacando o conforto acústico do aeroporto, a disponibilidade de sanitários e a quantidade e qualidade de estabelecimentos comerciais como os mais influentes.
Rafael Henrique Palma Lima, Universidade Tecnológica Federal do Paraná Graduado em Ciência da Computação pela Universidade Estadual de Londrina (UEL), possui títulos de mestre e doutor em Engenharia da Produção pela Escola de Engenharia de São Carlos (EESC) da Universidade de São Paulo (USP). É professor efetivo do Departamento de Engenharia de Produção da Universidade Tecnológica Federal do Paraná do Campus Londrina (UTFPR-LD). É pesquisador líder do Grupo de Pesquisa em Otimização e Mineração de Dados (GPOMD), atuando na linha de pesquisa de mineração de dados com ênfase na aplicação de técnicas de aprendizado de máquina em problemas específicos da Engenharia de Produção. Também possui interesse de pesquisa em modelos de otimização, planejamento da produção e logística.
Biografia do Autor Leonardo Fernando de Oliveira, Universidade Tecnológica Federal do Paraná Graduando em Engenharia de Produção pela Universidade Tecnológica Federal do Paraná, Campus Londrina (UTFPR - LD), atualmente realiza pesquisas sobre a aplicação de técnicas de aprendizado de máquina em áreas da Engenharia de Produção. É membro do Grupo de Pesquisa em Otimização e Mineração de Dados (GPOMD), com enfoque na identificação de perfis de clientes e na análise de padrões de comportamento para melhorar a qualidade dos serviços oferecidos.
Parabéns !!!
Universidade Federal do Espírito Santo (Oficial)
10moBruno Samways dos Santos, Universidade Tecnológica Federal do Paraná Graduado em Engenharia de Produção com ênfase em Controle e Automação pela Universidade Tecnológica Federal do Paraná, Campus Ponta Grossa (UTFPR-PG), mestre em Engenharia de Produção pela mesma universidade e doutor em Engenharia de Produção e Sistemas pela Pontifícia Universidade Católica do Paraná (PUCPR). É professor efetivo do Departamento de Engenharia de Produção da Universidade Tecnológica Federal do Paraná do Campus Londrina (UTFPR - LD) e desempenha o cargo de Coordenador Substituto do Curso de Engenharia de Produção. É pesquisador líder do Grupo de Pesquisa em Otimização e Mineração de Dados (GPOMD), atuando na linha de pesquisa em mineração de dados, com ênfase em problemas de classificação e clusterização em diversas áreas. Tem interesse em modelos de otimização, técnicas de machine learning para variadas aplicações, como educação, saúde pública, serviços e indústrias.