Desenvolvimento de um framework para estruturação de dados voltado à transformação digital na saúde ocupacional
| Ano de defesa: | 2025 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | eng 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: | |
| Link de acesso: | https://repositorio.ucs.br/11338/14718 |
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] |
| id |
UCS_e3b223fcb1128bbf93bc60c09e4a70ec |
|---|---|
| oai_identifier_str |
oai:repositorio.ucs.br:11338/14718 |
| network_acronym_str |
UCS |
| network_name_str |
Repositório Institucional da UCS |
| repository_id_str |
|
| spelling |
Pasolini, MônicaVidor, GabrielPanizzon, MateusRenner, Jacinta SidegumMesquita, Alexandre Cortez2025-07-15T14:39:47Z2025-07-15T14:39:47Z2025-07-112025-06-09https://repositorio.ucs.br/11338/14718A 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]The increasing complexity of industrial organizations and the need for faster and more evidence-based decision-making have made digital transformation a strategic directive, including in the fields of Occupational Health and Safety (OHS). This dissertation proposed the development of a framework for data structuring aimed at supporting digital transformation in occupational health. The research was conducted using a modeling and simulation approach, which enabled the identification of informational bottlenecks and the construction of customized solutions aligned with the company's operational reality. Three digital tools were developed: (i) a software application for occupational anamnesis, featuring a local database structure and automated report generation; (ii) a digital system for clinical and occupational records, with structured data export for managerial support; and (iii) a psychosocial risk assessment tool applying artificial intelligence algorithms (Random Forest, SVC, KNN, and neural networks), allowing sector-specific psychosocial risk analysis based on simulated and scalable data. All solutions were designed with a focus on usability, protection of sensitive data (in compliance with the Brazilian General Data Protection Law - LGPD), and future integration with corporate systems.The technical contribution of this research also includes the structured generation of 21 proactive indicators, organized into three decision-making levels: operational (daily monitoring), tactical (planning of corrective actions), and strategic (support for the formulation of organizational health policies). These indicators reflect the evolution of data maturity in the occupational environment and support an evidence-based management approach. As a methodological contribution, this study advocates for the customization of psychosocial risk assessment instruments, as opposed to widely recommended standardized models, which often lack adaptability to specific organizational contexts. The results demonstrate that the proposed framework promotes significant improvements in information organization, traceability, predictive analysis, and decision-making support in OHS. It represents a replicable, scalable, and technically feasible solution for industries seeking to align their occupational health processes with the principles of Industry 4.0. Thus, the research contributes to the field of Production Engineering by integrating digital transformation principles with occupational health management practices. [resumo fornecido pelo autor]engporFramework (Arquivo de computador)Saúde e trabalhoEngenharia de produçãoSoftware - DesenvolvimentoFramework (Computer program)Health and workProduction engineeringSoftware - DevelopmentDesenvolvimento de um framework para estruturação de dados voltado à transformação digital na saúde ocupacionalinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UCSinstname:Universidade de Caxias do Sul (UCS)instacron:UCSinfo:eu-repo/semantics/openAccessUniversidade de Caxias do Sulhttps://lattes.cnpq.br/8305568406012921PASOLINI, M.Mestrado Profissional em Engenharia de ProduçãoCampus Universitário de Farroupilha2025-07-04ORIGINALDissertação Monica Pasolini.pdfDissertação Monica Pasolini.pdfapplication/pdf3667199https://repositorio.ucs.br/xmlui/bitstream/11338/14718/1/Disserta%c3%a7%c3%a3o%20Monica%20Pasolini.pdf4742e76a485f274efe75a6c40fdd0936MD51TEXTDissertação Monica Pasolini.pdf.txtDissertação Monica Pasolini.pdf.txtExtracted texttext/plain155870https://repositorio.ucs.br/xmlui/bitstream/11338/14718/2/Disserta%c3%a7%c3%a3o%20Monica%20Pasolini.pdf.txtc6f4a93e66ad3b3f924b32a7be162abeMD52THUMBNAILDissertação Monica Pasolini.pdf.jpgDissertação Monica Pasolini.pdf.jpgGenerated Thumbnailimage/jpeg1192https://repositorio.ucs.br/xmlui/bitstream/11338/14718/3/Disserta%c3%a7%c3%a3o%20Monica%20Pasolini.pdf.jpg848822e1e61048a20abcc4c17172d568MD5311338/147182025-07-16 07:00:25.48oai:repositorio.ucs.br:11338/14718Repositório de Publicaçõeshttp://repositorio.ucs.br/oai/requestopendoar:2025-07-16T07:00:25Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS)false |
| dc.title.pt_BR.fl_str_mv |
Desenvolvimento de um framework para estruturação de dados voltado à transformação digital na saúde ocupacional |
| title |
Desenvolvimento de um framework para estruturação de dados voltado à transformação digital na saúde ocupacional |
| spellingShingle |
Desenvolvimento de um framework para estruturação de dados voltado à transformação digital na saúde ocupacional Pasolini, Mônica Framework (Arquivo de computador) Saúde e trabalho Engenharia de produção Software - Desenvolvimento Framework (Computer program) Health and work Production engineering Software - Development |
| title_short |
Desenvolvimento de um framework para estruturação de dados voltado à transformação digital na saúde ocupacional |
| title_full |
Desenvolvimento de um framework para estruturação de dados voltado à transformação digital na saúde ocupacional |
| title_fullStr |
Desenvolvimento de um framework para estruturação de dados voltado à transformação digital na saúde ocupacional |
| title_full_unstemmed |
Desenvolvimento de um framework para estruturação de dados voltado à transformação digital na saúde ocupacional |
| title_sort |
Desenvolvimento de um framework para estruturação de dados voltado à transformação digital na saúde ocupacional |
| author |
Pasolini, Mônica |
| author_facet |
Pasolini, Mônica |
| author_role |
author |
| dc.contributor.other.none.fl_str_mv |
Vidor, Gabriel Panizzon, Mateus Renner, Jacinta Sidegum |
| dc.contributor.author.fl_str_mv |
Pasolini, Mônica |
| dc.contributor.advisor1.fl_str_mv |
Mesquita, Alexandre Cortez |
| contributor_str_mv |
Mesquita, Alexandre Cortez |
| dc.subject.por.fl_str_mv |
Framework (Arquivo de computador) Saúde e trabalho Engenharia de produção Software - Desenvolvimento |
| topic |
Framework (Arquivo de computador) Saúde e trabalho Engenharia de produção Software - Desenvolvimento Framework (Computer program) Health and work Production engineering Software - Development |
| dc.subject.eng.fl_str_mv |
Framework (Computer program) Health and work Production engineering Software - Development |
| description |
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] |
| publishDate |
2025 |
| dc.date.submitted.none.fl_str_mv |
2025-06-09 |
| dc.date.accessioned.fl_str_mv |
2025-07-15T14:39:47Z |
| dc.date.available.fl_str_mv |
2025-07-15T14:39:47Z |
| dc.date.issued.fl_str_mv |
2025-07-11 |
| 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 |
https://repositorio.ucs.br/11338/14718 |
| url |
https://repositorio.ucs.br/11338/14718 |
| dc.language.iso.fl_str_mv |
eng por |
| language |
eng por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UCS instname:Universidade de Caxias do Sul (UCS) instacron:UCS |
| instname_str |
Universidade de Caxias do Sul (UCS) |
| instacron_str |
UCS |
| institution |
UCS |
| reponame_str |
Repositório Institucional da UCS |
| collection |
Repositório Institucional da UCS |
| bitstream.url.fl_str_mv |
https://repositorio.ucs.br/xmlui/bitstream/11338/14718/1/Disserta%c3%a7%c3%a3o%20Monica%20Pasolini.pdf https://repositorio.ucs.br/xmlui/bitstream/11338/14718/2/Disserta%c3%a7%c3%a3o%20Monica%20Pasolini.pdf.txt https://repositorio.ucs.br/xmlui/bitstream/11338/14718/3/Disserta%c3%a7%c3%a3o%20Monica%20Pasolini.pdf.jpg |
| bitstream.checksum.fl_str_mv |
4742e76a485f274efe75a6c40fdd0936 c6f4a93e66ad3b3f924b32a7be162abe 848822e1e61048a20abcc4c17172d568 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS) |
| repository.mail.fl_str_mv |
|
| _version_ |
1851777043171115008 |