Análise qualitativa dos textos de correções de erro de um erp e distribuição automática das tarefas

##plugins.themes.bootstrap3.article.sidebar##

Portada del Volumen 4 de la revista New Trends in Qualitative Research (NTQR)
pdf (portugués)
Publicado julio 3, 2020
DOI: https://doi.org/10.36367/ntqr.4.2020.484-490

##plugins.themes.bootstrap3.article.main##

Wender de Oliveira Silva
Faculdade de Engenharia Elétrica Universidade Federal de Uberlândia, Brasil


Willian Santos Silva
Faculdade de Engenharia Elétrica Universidade Federal de Uberlândia, Brasil


Aniel S. Morais
Faculdade de Engenharia Elétrica Universidade Federal de Uberlândia, Brasil


Resumen

Um sistema integrado de gestão ou ERP (Enterprise Resource Plain) é um pacote de software de negócio que compreende a gestão de várias áreas de uma empresa, centralizado em uma única base de dados. A construção de um software tão versátil requer equipes multidisciplinares respectivamente responsáveis por cada módulo do ERP. Este trabalho abordará o fluxo de tarefas no processo de manutenção de um sistema de gestão integrado de grande porte, tendo por objetivo, viabilizar e minimizar os erros no processo de classificação destas tarefas, propondo que a interpretação dos textos seja feita por um algoritmo em detrimento à interpretação dos funcionários inerentes ao processo de manutenção do ERP. Foram analisados os algoritmos "Support Vector Classifier; "Multinomial Naive Bayes" e a implementação de uma rede neural Perceptron para interpretar as tarefas e distribuí-las entre as equipes. Detalhamos o processo de preparação dos dados e a definição do algoritmo mais efetivo para a solução.

Descargas

Los datos de descarga aún no están disponibles.

##plugins.themes.bootstrap3.article.details##

Número
Vol. 4 (2020): Investigación cualitativa en ciencias sociales: avances y desafíos (Book Series)
Sección
Estudios empíricos con reflexión metodológica

Cómo citar

Silva, W. de O., Silva, W. S., & S. Morais, A. (2020). Análise qualitativa dos textos de correções de erro de um erp e distribuição automática das tarefas. New Trends in Qualitative Research, 4, 484-490. https://doi.org/10.36367/ntqr.4.2020.484-490
Licencia
Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

openAccess

openAccess

Referencias

Anvik, J., Hiew, L., & Murphy, G. C. (2006). Who should fix this bug? Proceeding of the 28th International Conference on Software Engineering - ICSE 06. doi: 10.1145/1134285.1134336

Gopal, M. (2019). Applied machine learning. New York: McGraw-Hill Education.

Harmon, P. (2019). Business process change: a business process management guide for managers and process professionals. Morgan Kaufmann.

Herzig, K., Just, S., & Zeller, A. (2013). It’s not a bug, it’s a feature: How misclassification impacts bug prediction. 2013 35th International Conference on Software Engineering (ICSE). doi: 10.1109/icse.2013.6606585

Johnston, B., & Mathur, I. (2019). Applied supervised learning with Python: use scikit-learn to build predictive models from real-world datasets and prepare yourself for the future of machine learning. Birmingham: Packt Publishing.

Mills, K. A. (2018). What are the threats and potentials of big data for qualitative research?. Qualitative Research, 18(6), 591-603.

Passalis, N., & Tefas, A. (2018). Learning bag-of-embedded-words representations for textual information retrieval. Pattern Recognition, 81, 254-267.

Patan, K. (2019). Robust and Fault-Tolerant Control: Neural-Network-Based Solutions. Springer.