Resumo: Os Fatores Críticos de Sucesso (FCS) identificam o conjunto de áreas chave que se mostram essenciais para a empresa alcance êxito em sua missão. O objetivo do presente artigo é criar um modelo para analisar os FCS que afetam o gerenciamento de projetos na indústria da construção civil (ICC), utilizando Redes Neurais Artificiais (RNAs). Para tal, parte-se de uma revisão de literatura sobre identificaçao de FCS com enfase no gerenciamento de projetos, abrangendo 37.822 artigos em 2.328 revistas. Após a identificação dos FCS, busca-se a avaliação de professores e pesquisadores voltados à ICC, sobre efeito de cada fator, utilizando-se um questionário encaminhado às instituições de ensino superior com cursos de Engenharia Civil e Arquitetura. De 874 e-mails enviados, onde 191 respondidos distribuídos em 26 estados, onde 70% ocupa o cargo de professor/pesquisador, 26% coordenadores, 2% Reitor e 1% de Direção/Gerência. A análise das resposta é feita pelo Índice de Importância Relativa, utilizando-se a RNA para avaliar os FCS com o uso do algoritmo Resilient propagation. Os pesos são determinados com uso do algoritmo de Garson. Os fatores: Inspeção irrealista e os métodos de ensaio propostos no contrato mostram-se os mais crítico no gerenciamento de projetos segundo as respostas ao questionário. As RNAs produzem subsídios para se conhecer a relevância das variáveis de entrada adotadas e constituem um meio preciso para modelagem de variáveis não lineares.

Abstract: Critical Success Factors (CSF) identify key areas for a company to succeed. This study creates a model to analyze CSF in civil construction project management, using Artificial Neural Networks (ANNs). For that, a literature review was performed to identify CSF emphasizing project management. Once the CSF were identified, a questionnaire was sent to educational institutions to evaluate the effect of each factor. Response analysis was made by the Relative Importance Index, using ANN coupled with the resilient propagation algorithm to evaluate the CSF. A total of 37,822 articles were found in 2,328 journals. Of 874 e-mails sent, 191 were answered. The respondents were distributed in 26 Brazilian states, with 70% of them being professors/researchers, 26% coordinators, 2% Rector, and 1% Director/Manager. Weights were determined using the Garson algorithm. The most critical factor in project management was ‘Unrealistic inspection and test methods in the contract’. Artificial Neural Networks produce subsidies to know the relevance of the input variables adopted and constitute an effective means for modeling nonlinear variables.

Resumo A necromassa encontrada nos ecossistemas realizam a manutenção do estoque de carbono. Seguindo esta orientação a quantificação torna-se um atributo valioso para um manejo florestal eficiente. O estudo teve como objetivos quantificar a necromassa lenhosa caída e suspensa sobre o solo, peso e estoque de carbono em área de plano de manejo de nativas como subsidio ao mesmo. A amostragem adotada utiliza o método da área fixa, e foi conduzida através da instalação de uma área circular com raio de 10 metros (314 m2). Foram medidas 27 parcelas distribuídas sistematicamente, obtendo a medição de 806 indivíduos totais, cujo critério de inclusão é ter diâmetro ≥ que 5 cm e de forma tátil-visual o grau de decomposição da madeira morta. A média do volume de necromassa na região foi de 14,70 m³ ha-¹ com 5,37mg ha-¹ de massa de necromassa. Tal valor apresenta um estoque de carbono de aproximadamente 2,6 mg ha-¹. A pesquisou mostrou que a distribuição da necromassa na área ocorre de forma regular. Os níveis de necromassa são desiguais nas parcelas. O material caído apresenta 78% dos indivíduos menores que 20 centímetros de diâmetro, e para o material em pé 96,15% possuem diâmetro menor que 40 centímetros. A necromassa contribui para a redução da concentração do CO2 na atmosfera e para a diminuição do efeito estufa. Contribuindo para a manutenção, tanto da matéria orgânica quanto do carbono orgânico, auxiliando na recomposição e na ciclagem de nutrientes e evidencia a importância fixação de carbono.

Abstract The necromass found in ecosystems maintains the carbon content. Following this guideline, quantification becomes a valuable attribute for efficient forest management. The study aimed to quantify a fallen and standing woody necromass in the soil, weight and carbon stock in the area of the native management plan as a subsidy to it. The sampling adopted uses the fixed area method and was carried out with the installation of a circular plot with a radius of 10 meters (314 m²). Twenty-seven plots were systematically distributed, resulting in the measurement of 806 individuals, whose inclusion criteria were diameter ≥ 5 cm and tactile-visual format the degree of deterioration of dead wood. The average volume of necromass in the region was 14.70 m³ ha-¹ with 5.37 mg ha-¹ of necromass. This value has a carbon stock of approximately 2.6 mg ha-¹. This research showed that necromass distribution in the area occurs regularly and unevenly distributed throughout the study area. The material presented has 78% of individuals with less than twenty centimeters in diameter and, for the standing material, 96.15% of individuals with less than forty centimeters. Necromass contributes to reduce CO2 concentration in the atmosphere and decrease the greenhouse effect. Contributing to the maintenance of organic matter and organic carbon helps in the recovery and cycling of nutrients and highlights the importance of carbon fixation.

RESUMO O objetivo do presente estudo foi comparar as estimativas do volume obtidas por equações de regressão com redes neurais artificiais (RNA) para áreas nativas sob plano de manejo na região de Portel, estado do Pará, a partir dos dados de cubagem rigorosa de 864 árvores com DAP ≥ 45 cm de Unidades de Produção Anual (UPA) manejada em 2015 em área de floresta ombrófila densa de terra firme. O processamento dos dados visou selecionar o melhor modelo de regressão considerando a UPA 1. A equação com melhor desempenho foi escolhida de acordo com a raiz do erro quadrado médio em porcentagem (RQME%), correlação de Pearson e gráfico de resíduos percentuais. Para a seleção da melhor rede e a sua respectiva comparação com a melhor equação de regressão ajustada, as estatísticas utilizadas foram: RQME%, correlação de Pearson entre o volume observado e estimado e bias. O modelo com melhor desempenho foi o Spurr sendo posteriormente comparada com a melhor RNA obtida a partir do treinamento dos dados. Verificou-se que ambos os métodos apresentaram estatísticas de ajuste e precisão aceitáveis, com potencial utilização para estimar o volume da espécie. No entanto, a RNA mostrou-se superior evidenciando maior precisão em relação à regressão na estimativa de volume.

ABSTRACT The objective of the present study was to compare the volume estimates obtained by regression equations with artificial neural networks (RNA) for native areas under management plan in the Portel region, state of Pará, from the rigorous cubing data of 864 trees with DBH ≥ 45 cm from Annual Production Units (UPA) managed in 2015 in an area of dense ombrophilous terra firme forest. The data processing aimed to select the best regression model considering the UPA 1. The best performing equation was chosen according to the root mean square error in percent (RQME%), Pearson correlation and percentage residual graph. For the selection of the best network and its comparison with the best adjusted regression equation, the statistics used were: RQME%, Pearson correlation between observed and estimated volume and bias. The best performing model was the Spurr, which was later compared with the best RNA obtained from data training. Both methods showed acceptable fit and precision statistics, with potential use to estimate the volume of the species. However, the RNA was higher showing higher precision in relation to the regression in volume estimation.