RDBU| Repositório Digital da Biblioteca da Unisinos

Tempo de atravessamento de ações cíveis na Justiça Federal de 2o grau: ajuste de modelos baseados em redes neurais e máquina de vetor suporte

Mostrar registro simples

Autor Gruginskie, Lúcia Adriana dos Santos;
Lattes do autor http://lattes.cnpq.br/6739878384325548;
Orientador Sellitto, Miguel Afonso;
Lattes do orientador http://lattes.cnpq.br/0203545749226007;
Instituição Universidade do Vale do Rio dos Sinos;
Sigla da instituição Unisinos;
País da instituição Brasil;
Instituto/Departamento Escola Politécnica;
Idioma pt_BR;
Título Tempo de atravessamento de ações cíveis na Justiça Federal de 2o grau: ajuste de modelos baseados em redes neurais e máquina de vetor suporte;
Resumo Os órgãos do Poder Judiciário, como exemplo de instituições públicas, são fundamentais para o desenvolvimento econômico e social. Porém, os principais problemas do judiciário brasileiro, apontados pelo Ministério da Justiça, são o alto número de processos em estoque, a falta de acesso à justiça e a morosidade, considerada como o principal aspecto da crise do judiciário. Neste sentido, esta tese propõe estruturar e comparar modelos de previsão de tempo de atravessamento processual de ações judiciais civis na justiça federal de 2a Instância, para servir de informação para as partes processuais e administração. O estudo foi realizado no Tribunal Regional Federal da 4a Região, com dados de processos cíveis baixados em 2017. Para tanto, foram comparados quatro modelos para o tempo de atravessamento. O primeiro modelo foi ajustado através de redes neurais para regressão com o uso do algoritmo retroalimentação, o segundo utilizou máquina de vetor suporte para regressão, através da biblioteca Libsvm. O desempenho destes dois modelos, calculados pela medida RMSE, foi comparado ao desempenho da aplicação de análise de sobrevivência, o terceiro modelo, considerada técnica habitual para análise de estudos quantitativos de tempo. A variável resposta usada foi o tempo em dias entre a autuação do processo no 2o Grau e a baixa, escolhida entre indicadores usados em trabalhos acadêmicos e por órgãos judiciais do Brasil e da Europa. O quarto modelo foi ajustado utilizando máquina de vetor suporte para classificação, através da biblioteca LIBSVM. A variável resposta para o ajuste deste modelo foi transformada em ordinal por meio da estratificação em faixas de tempo, o que permitiu o cálculo da medida acurácia para aferir o desempenho. As covariáveis usadas para os ajustes foram categóricas e estavam disponíveis no banco de dados do TRF. Após os ajustes, foram aplicadas regras de associação às faixas de tempo com o objetivo de encontrar as características dos processos mais lentos e morosos. Também foi analisada a viabilidade de estabelecer parâmetros de tempos razoáveis. Para utilização em previsões, sugere-se o modelo de classificação de faixa de tempo e para o estabelecimento de padrões, ou o modelo ajustado por redes neurais ou por máquina de vetor suporte. Entre as sugestões para trabalhos futuros estão a construção de uma tábua de baixa de processos, análoga às tábuas atuariais de mortalidade, e o estabelecimento de padrões para considerar processos como morosos.;
Abstract The Courts as an example of public institutions, are fundamental for the economic and social development. However, the main problems of the Brazilian judiciary, pointed out by the Ministry of Justice, are the high number of cases in stock, lack of access to justice and slowness, considered as the main aspect of the crisis of the judiciary. In this sense, this thesis proposes to structure and compare models of lead time of civil lawsuits in the federal court of second instance, to serve as information for the parties of lawsuit and the administration. The study was conducted at the Tribunal Regional Federal da 4a Região, with data from civil lawsuits termined in 2017. Four models for lead time lawsuits were compared. The first was fitted by neural network for regression with the backpropagation algorithm; the second model was fitted by using support vector machine for regression with the Libsvm library. The performance of these two models, calculated by the RMSE measurement, was compared to the performance of the survival analysis model, considered as the usual technique for the analysis of quantitative time studies. The dependent variable used was the time in days between the arraignment date and the case disposition date, chosen among indicators used in academic studies and by judicial Courts of Brazil and Europe. The fourth model was fitted using vector support machine for classification, using the Libsvm algorithm. The dependent variable was transformed into ordinal by means of the stratification in time bands, which allowed the calculation of the measurement as accuracy and precision. The independent variables were categorical and were available in the TRF database. After, rules of association were applied to the time bands in order to find the characteristics of the most frequent band and the more time consuming lawsuits. The feasibility of establishing parameters of reasonable times was also analyzed. The time-band classification model is suggest to use in forecasts and it can use the model adjusted by neural networks or by the support vector machine in use to establish standards of time. Among the suggestions for future work are the construction of a life tables of lawsuits, analogous to the actuarial tables, and the establishment of standards to consider reasonable lead time.;
Palavras-chave Máquina de vetor suporte; Redes neurais; Análise de sobrevivência; Tempo de atravessamento processual; Gestão pública; Support vector machine; Neural network; Survival analysis; Lawsuit lead time; Public management;
Área(s) do conhecimento ACCNPQ::Engenharias::Engenharia de Produção;
Tipo Tese;
Data de defesa 2018-09-03;
Agência de fomento Nenhuma;
Direitos de acesso openAccess;
URI http://www.repositorio.jesuita.org.br/handle/UNISINOS/7477;
Programa Programa de Pós-Graduação em Engenharia de Produção e Sistemas;


Arquivos deste item

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Buscar

Busca avançada

Navegar

Minha conta

Estatística