MODELOS PREDITIVOS PARA SERVIÇOS DE INFRAESTRUTURA: Estratégias
Orientadas por Machine Learning e Dados Multivariados nas IFES do Nordeste
Serviços de Infraestrutura. Instituições de Ensino Superior. Gestão de
Recursos. Machine Learning.
Este estudo visa desenvolver um modelo preditivo utilizando técnicas de Machine
Learning (ML) para prever a demanda de serviços de infraestrutura em duas Instituições
Federais de Ensino Superior (IFES) do Nordeste. Em um cenário de frequentes cortes de
recursos e crescente geração de serviços de manutenção não previstos, a gestão eficiente da
infraestrutura dessas IFES torna-se ainda mais fundamental para garantir a tomada de decisão
acertada na alocação e gestão de recursos, promovendo a continuidade e qualidade das
operações. O objetivo é identificar as variáveis-chave que influenciam a ocorrência desses
serviços e aplicar modelos de ML, como Regressão Linear, Random Forest e XGBoost, para
prever a ocorrência de ordens de serviço (OS’s). A pesquisa segue uma metodologia estruturada
em cinco etapas, incluindo (i) análise e visualização de dados, (ii) pré-processamento de dado,
(iii) divisão dos dados em treinamento e teste, (iv) seleção e aplicação de modelos de ML e (v)
avaliação e ajuste dos modelos preditivos. Os resultados esperados incluem a validação do
modelo em diferentes bancos de dados institucionais, visando otimizar a eficiência, assegurar
a continuidade operacional e promover o uso sustentável dos recursos nas IFES. Este estudo
também contribui para o avanço teórico na gestão de infraestrutura em instituições de ensino
superior, alinhando-se aos Objetivos de Desenvolvimento Sustentável (ODS): Educação de
Qualidade (ODS 4), Indústria, Inovação e Infraestrutura (ODS 9) e Cidades e Comunidades
Sustentáveis (ODS 11).