Análise de benchmarking com foco na satisfação dos usuários de transporte coletivo : normalização, análise envoltória de dados e clusterização

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Barcelos, Mariana Müller
Orientador(a): Lindau, Luis Antonio
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
DEA
Link de acesso: http://hdl.handle.net/10183/156823
Resumo: Atrair usuários para o transporte coletivo e manter os que já utilizam é essencial para fomentar cidades mais sustentáveis. Melhorar a qualidade do transporte urbano por ônibus e considerar a visão do usuário, portanto, torna-se relevante. O benchmarking é uma ferramenta reconhecida de gestão da qualidade que permite comparar sistemas, identificar referências de boas práticas e promover trocas de experiência. Neste contexto, aliar o processo de benchmarking com avaliações de satisfação dos usuários do transporte coletivo tem um grande potencial para promover uma gestão mais efetiva e focada nas necessidades e desejos dos usuários do transporte. A comparação da percepção dos usuários de diferentes sistemas, entretanto, possui diversos desafios devido à falta de padronização na coleta de dados, subjetividade e vieses socioculturais dos respondentes. Este trabalho apresenta três métodos que buscam superar estes desafios e permitir a realização de análises de benchmarking com dados de satisfação dos usuários de diferentes cidades A primeira análise consiste na normalização das notas de satisfação para reduzir vieses sociais e culturais. A segunda aplica a análise envoltória de dados para identificar sistemas de transporte eficientes na visão dos seus usuários. Por fim, a terceira análise consiste na aplicação de análise de clusters para identificar relações entre perfis de usuários e as respectivas avaliações de satisfação em diferentes cidades. Os métodos mostram-se adequados para comparação de sistemas, permitindo identificação de metas, prioridades, benchmarks e entendimento de particularidades dos diferentes públicos. As análises apresentam distintos graus de complexidade de aplicação e de obtenção dos dados. Cada um dos métodos proporciona uma visão distinta a partir dos dados disponíveis, que permite que se definam benchmarks e auxilie na definição de diretrizes de melhorias.
id URGS_be85a8c27f4b51211cf8d3bde8bcf3db
oai_identifier_str oai:www.lume.ufrgs.br:10183/156823
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Barcelos, Mariana MüllerLindau, Luis Antonio2017-04-18T02:26:28Z2016http://hdl.handle.net/10183/156823001018505Atrair usuários para o transporte coletivo e manter os que já utilizam é essencial para fomentar cidades mais sustentáveis. Melhorar a qualidade do transporte urbano por ônibus e considerar a visão do usuário, portanto, torna-se relevante. O benchmarking é uma ferramenta reconhecida de gestão da qualidade que permite comparar sistemas, identificar referências de boas práticas e promover trocas de experiência. Neste contexto, aliar o processo de benchmarking com avaliações de satisfação dos usuários do transporte coletivo tem um grande potencial para promover uma gestão mais efetiva e focada nas necessidades e desejos dos usuários do transporte. A comparação da percepção dos usuários de diferentes sistemas, entretanto, possui diversos desafios devido à falta de padronização na coleta de dados, subjetividade e vieses socioculturais dos respondentes. Este trabalho apresenta três métodos que buscam superar estes desafios e permitir a realização de análises de benchmarking com dados de satisfação dos usuários de diferentes cidades A primeira análise consiste na normalização das notas de satisfação para reduzir vieses sociais e culturais. A segunda aplica a análise envoltória de dados para identificar sistemas de transporte eficientes na visão dos seus usuários. Por fim, a terceira análise consiste na aplicação de análise de clusters para identificar relações entre perfis de usuários e as respectivas avaliações de satisfação em diferentes cidades. Os métodos mostram-se adequados para comparação de sistemas, permitindo identificação de metas, prioridades, benchmarks e entendimento de particularidades dos diferentes públicos. As análises apresentam distintos graus de complexidade de aplicação e de obtenção dos dados. Cada um dos métodos proporciona uma visão distinta a partir dos dados disponíveis, que permite que se definam benchmarks e auxilie na definição de diretrizes de melhorias.Attracting users to public transport and maintaining the ones that already use it is essential to fostering more sustainable cities. Therefore, improving the quality of bus transit systems and considering the users’ vision becomes relevant. Benchmarking is a recognized quality management tool that allows comparing systems, identifying references to good practices and promoting exchanges of experience. Aligning benchmarking process and users’ satisfaction of public transport have great potential to become the management more focused and effective to the needs and desires of the users. However, comparing the perception of users of different systems results in several challenges due the lack of standardization of data collection, subjectivity and socio cultural biases. This study proposes the application of three methods aiming to overcome these challenges and to allow benchmarking analysis with users’ satisfaction data of different cities. The first analysis consists in normalizing satisfaction scores to reduce social and cultural biases. The second one applies Data Envelopment Analysis (DEA) to identify efficient transport systems in users’ view. The third one consists in using clusters analysis to identify relations between users’ profiles and their respective satisfaction in different cities. The methods are adequate for comparing systems, allowing goals identification, priorities, benchmarks and understanding of different audiences’ particularities. The analyses present different degrees of application complexity and data collection. Each method provides a distinct view from available data, which allows defining benchmarks and assist in improvements guidelines.application/pdfporBenchmarkingSatisfação do usuárioTransporte coletivo urbanoÔnibusBus public transportBenchmarkingQuality with client focusUser’s satisfactionNormalizingData Envelopment AnalysisDEAClustersAnálise de benchmarking com foco na satisfação dos usuários de transporte coletivo : normalização, análise envoltória de dados e clusterizaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia de ProduçãoPorto Alegre, BR-RS2016.mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001018505.pdf001018505.pdfTexto completoapplication/pdf2907695http://www.lume.ufrgs.br/bitstream/10183/156823/1/001018505.pdf6b1b68fba51aad03e21bc8f5687cfca9MD51TEXT001018505.pdf.txt001018505.pdf.txtExtracted Texttext/plain177190http://www.lume.ufrgs.br/bitstream/10183/156823/2/001018505.pdf.txt77607266f75fe8d4c886afa7a92677b9MD52THUMBNAIL001018505.pdf.jpg001018505.pdf.jpgGenerated Thumbnailimage/jpeg1176http://www.lume.ufrgs.br/bitstream/10183/156823/3/001018505.pdf.jpg053f9ff72dcd398a1f25fba9c41679ddMD5310183/1568232018-10-25 09:52:23.41oai:www.lume.ufrgs.br:10183/156823Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-25T12:52:23Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Análise de benchmarking com foco na satisfação dos usuários de transporte coletivo : normalização, análise envoltória de dados e clusterização
title Análise de benchmarking com foco na satisfação dos usuários de transporte coletivo : normalização, análise envoltória de dados e clusterização
spellingShingle Análise de benchmarking com foco na satisfação dos usuários de transporte coletivo : normalização, análise envoltória de dados e clusterização
Barcelos, Mariana Müller
Benchmarking
Satisfação do usuário
Transporte coletivo urbano
Ônibus
Bus public transport
Benchmarking
Quality with client focus
User’s satisfaction
Normalizing
Data Envelopment Analysis
DEA
Clusters
title_short Análise de benchmarking com foco na satisfação dos usuários de transporte coletivo : normalização, análise envoltória de dados e clusterização
title_full Análise de benchmarking com foco na satisfação dos usuários de transporte coletivo : normalização, análise envoltória de dados e clusterização
title_fullStr Análise de benchmarking com foco na satisfação dos usuários de transporte coletivo : normalização, análise envoltória de dados e clusterização
title_full_unstemmed Análise de benchmarking com foco na satisfação dos usuários de transporte coletivo : normalização, análise envoltória de dados e clusterização
title_sort Análise de benchmarking com foco na satisfação dos usuários de transporte coletivo : normalização, análise envoltória de dados e clusterização
author Barcelos, Mariana Müller
author_facet Barcelos, Mariana Müller
author_role author
dc.contributor.author.fl_str_mv Barcelos, Mariana Müller
dc.contributor.advisor1.fl_str_mv Lindau, Luis Antonio
contributor_str_mv Lindau, Luis Antonio
dc.subject.por.fl_str_mv Benchmarking
Satisfação do usuário
Transporte coletivo urbano
Ônibus
topic Benchmarking
Satisfação do usuário
Transporte coletivo urbano
Ônibus
Bus public transport
Benchmarking
Quality with client focus
User’s satisfaction
Normalizing
Data Envelopment Analysis
DEA
Clusters
dc.subject.eng.fl_str_mv Bus public transport
Benchmarking
Quality with client focus
User’s satisfaction
Normalizing
Data Envelopment Analysis
DEA
Clusters
description Atrair usuários para o transporte coletivo e manter os que já utilizam é essencial para fomentar cidades mais sustentáveis. Melhorar a qualidade do transporte urbano por ônibus e considerar a visão do usuário, portanto, torna-se relevante. O benchmarking é uma ferramenta reconhecida de gestão da qualidade que permite comparar sistemas, identificar referências de boas práticas e promover trocas de experiência. Neste contexto, aliar o processo de benchmarking com avaliações de satisfação dos usuários do transporte coletivo tem um grande potencial para promover uma gestão mais efetiva e focada nas necessidades e desejos dos usuários do transporte. A comparação da percepção dos usuários de diferentes sistemas, entretanto, possui diversos desafios devido à falta de padronização na coleta de dados, subjetividade e vieses socioculturais dos respondentes. Este trabalho apresenta três métodos que buscam superar estes desafios e permitir a realização de análises de benchmarking com dados de satisfação dos usuários de diferentes cidades A primeira análise consiste na normalização das notas de satisfação para reduzir vieses sociais e culturais. A segunda aplica a análise envoltória de dados para identificar sistemas de transporte eficientes na visão dos seus usuários. Por fim, a terceira análise consiste na aplicação de análise de clusters para identificar relações entre perfis de usuários e as respectivas avaliações de satisfação em diferentes cidades. Os métodos mostram-se adequados para comparação de sistemas, permitindo identificação de metas, prioridades, benchmarks e entendimento de particularidades dos diferentes públicos. As análises apresentam distintos graus de complexidade de aplicação e de obtenção dos dados. Cada um dos métodos proporciona uma visão distinta a partir dos dados disponíveis, que permite que se definam benchmarks e auxilie na definição de diretrizes de melhorias.
publishDate 2016
dc.date.issued.fl_str_mv 2016
dc.date.accessioned.fl_str_mv 2017-04-18T02:26:28Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/156823
dc.identifier.nrb.pt_BR.fl_str_mv 001018505
url http://hdl.handle.net/10183/156823
identifier_str_mv 001018505
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/156823/1/001018505.pdf
http://www.lume.ufrgs.br/bitstream/10183/156823/2/001018505.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/156823/3/001018505.pdf.jpg
bitstream.checksum.fl_str_mv 6b1b68fba51aad03e21bc8f5687cfca9
77607266f75fe8d4c886afa7a92677b9
053f9ff72dcd398a1f25fba9c41679dd
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1797065076358774784