• português (Brasil)
    • English
    • español
    • italiano
    • Deutsch
  • português (Brasil) 
    • português (Brasil)
    • English
    • español
    • italiano
    • Deutsch
  • Entrar
Ver item 
  •   Página inicial
  • Teses, Dissertações e Relatórios
  • Teses, Dissertações e Relatórios defendidos na UCS
  • Programa de Pós-Graduação em Engenharia de Produção
  • Mestrado Profissional em Engenharia de Produção
  • Ver item
  •   Página inicial
  • Teses, Dissertações e Relatórios
  • Teses, Dissertações e Relatórios defendidos na UCS
  • Programa de Pós-Graduação em Engenharia de Produção
  • Mestrado Profissional em Engenharia de Produção
  • Ver item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Desenvolvimento de um framework para estruturação de dados voltado à transformação digital na saúde ocupacional

Thumbnail
Visualizar/Abrir
Dissertação Monica Pasolini.pdf (3.497Mb)
Data
2025-07-11
Autor
Pasolini, Mônica
Orientador
Mesquita, Alexandre Cortez
Metadata
Mostrar registro completo
Resumo
A crescente complexidade das organizações industriais e a necessidade de decisões mais rápidas e fundamentadas tornam a transformação digital uma diretriz estratégica, inclusive nas áreas de Saúde e Segurança do Trabalho (SST). Esta dissertação propôs o desenvolvimento de um framework para a estruturação de dados voltado à transformação digital na saúde ocupacional. A pesquisa foi conduzida com base na abordagem de modelagem e simulação, o que possibilitou o mapeamento de gargalos informacionais e a construção de soluções customizadas, aderentes à realidade operacional da empresa. Foram desenvolvidas três ferramentas digitais: i) um software para anamnese ocupacional, com estrutura de banco de dados local e geração automatizada de relatórios; ii) um sistema digital de registros clínicos e ocupacionais, com exportação estruturada de informações para suporte gerencial; e iii) uma ferramenta de avaliação de fatores psicossociais, com aplicação de algoritmos de inteligência artificial (Random Forest, SVC, KNN e redes neurais), permitindo a análise de risco psicossocial setorizado com base em dados simulados e escaláveis. Todas as soluções foram concebidas com foco em usabilidade, proteção de dados sensíveis (conforme a LGPD) e integração futura com sistemas corporativos. A contribuição técnica desta pesquisa inclui, ainda, a geração estruturada de 21 indicadores proativos, organizados em três níveis decisórios: operacional (monitoramento cotidiano), tático (planejamento de ações corretivas) e estratégico (formulação de políticas organizacionais em saúde). Esses indicadores evidenciam a evolução da maturidade dos dados no ambiente ocupacional e sustentam uma gestão orientada por evidências. Como contribuição metodológica, destaca-se a defesa da personalização dos instrumentos de avaliação de fatores psicossociais, em contraposição aos modelos padronizados amplamente recomendados, porém limitados em termos de adaptabilidade ao contexto organizacional. Os resultados demonstram que o framework proposto promove ganhos significativos na organização da informação, rastreabilidade, análise preditiva e suporte à decisão em SST, representando uma solução replicável, escalável e tecnicamente viável para indústrias que desejam alinhar seus processos de saúde ocupacional às diretrizes da Indústria 4.0. A pesquisa contribui, assim, para o campo da Engenharia de Produção ao integrar fundamentos de transformação digital com práticas de gestão da saúde do trabalhador. [resumo fornecido pelo autor]
URI
https://repositorio.ucs.br/11338/14718
Collections
  • Mestrado Profissional em Engenharia de Produção [54]

DSpace software copyright © 2002-2016  DuraSpace
Entre em contato | Deixe sua opinião
Theme by 
Atmire NV
 

 

Navegar

Todo o repositórioComunidades e ColeçõesPor data do documentoAutoresTítulosAssuntosEsta coleçãoPor data do documentoAutoresTítulosAssuntos

Minha conta

EntrarCadastro

DSpace software copyright © 2002-2016  DuraSpace
Entre em contato | Deixe sua opinião
Theme by 
Atmire NV