Aplicação de técnicas de mineração de dados no desempenho operacional de concessionárias de ferrovias: Um estudo de caso do SIADE

A Revista Processando o Saber (eISSN: 2179-5150) é publicada pela Fatec Praia Grande Multidisciplinar - Revisão por pares - Acesso aberto - www.fatecpg.edu.br/revista - [email protected] eISSN 2179-5150 FATEC Praia Grande • fatecpg.edu.br/revista submetido: Jan/2024 • aceito: Mar/2024 • publicado: Jun/2024 Aplicação de técnicas de mineração de dados no desempenho operacional de concessionárias de ferrovias: Um estudo de caso do SIADE Application of data mining techniques in the operational performance of railway concessionaires: A SIADE case study Augusto Rodrigo Camblor Santos Fatec Santos [email protected] Karina Barros Oliveira Fatec Santos [email protected] Lais Tebas Santana Fatec Santos [email protected] Samuel Alves Charadias Fatec Santos [email protected] Vagner dos Santos Macedo Fatec Santos [email protected] RESUMO A presente pesquisa objetiva a aplicação de técnicas de mineração de dados, a partir da metologia CRISP-DM, no desempenho operacional de concessionárias, empregando-se dados históricos que contemplam, desde 2013 a 2023, a movimentação mensal de cargas nas ferrovias federais concedidas, oriundos do subsistema integrado do Sistema de Acompanhamento e Fiscalização do Transporte Ferroviário (SAFF), o Sistema de Acompanhamento do Desempenho Operacional das Concessionárias (SIADE). Sendo assim, propõe-se a utilização de mineração de dados para análise exploratória descritiva preliminar em linguagem de programação Python, apresentando-se, por meio de gráficos de colunas, a movimentação ferroviária brasileira em toneladas úteis e posterior modelagem preditiva em série temporais, com o emprego do método ARIMA (Autorregressivo Integrado de Médias Móveis), visando a identificação de eventuais tendências, sazonalidade e previsão de desempenho operacional das concessionárias ferroviárias contempladas nesse estudo. Verifica-se que, durante o período analisado, o minério de ferro manteve-se como o produto de maior movimentação em unidade de toneladas úteis (aproximadamente 381 milhões de TU, em 2023) e dentre as concessionárias, a MRS e a Vale apresentaram maior produção em TU em 2023. Ademais, obteve-se predições que possibilitaram mensurar a expectativa de movimentação de carga ferroviária para cada concessionária no ano de 2024. PALAVRAS-CHAVE: CRISP-DM; Mineração de dados; SIADE; Transporte ferroviário. 231 | Aplicação de técnicas de mineração de dados no desempenho operacional de concessionárias de ferrovias: Um estudo de caso do SIADE Revista Processando o Saber - v.16 - p. 230-244 - 2024 ABSTRACT The current research aims to apply data mining techniques, based on the CRISP-DM methodology to the operational performance of concessionaires, using historical data that includes, from 2013 to 2023, the monthly movement of cargo on concession federal railways, originated from the integrated subsystem of the Rail Transport Monitoring and Inspection System (SAFF), the Concessionaires Operational Performance Monitoring System (SIADE). Therefore, it is proposed to use data mining for preliminary descriptive exploratory analysis in Python programming language, presenting, through column graphs, Brazilian railway movement in useful tons and subsequent predictive modeling in time series, with the use of the ARIMA (Autoregressive Integrated Moving Average) method, aiming to identify possible trends, seasonality and forecast the operational performance of the railway concessionaires included in this study. It can be seen that, during the period analyzed, iron ore remained the product with the largest movement in units of useful tons (approximately 381 million TU, in 2022) and among the concessionaires, MRS and Vale presented the highest production in TU in 2023. Furthermore, predictions were obtained, making it possible to measure the expected movement of railway cargo for each concessionaire for year 2024. KEY-WORDS: CRISP-DM; Data mining; SIADE; Rail transport. INTRODUÇÃO As ferrovias representam um ponto fundamental na infraestrutura de transporte, desempenhando papel vital na movimentação de cargas em todo o mundo ao possibilitar o transporte de cargas em grande quantidade, com baixo custo de frete, maior segurança, economia e sustentabilidade, em comparação ao transporte rodoviário (DIAS, 2012; ALVES; RAMOS; SILVA, 2020). No contexto das ferrovias federais concedidas, a eficiência operacional e o gerenciamento eficaz da movimentação de cargas são de importância crítica para atender às demandas crescentes da indústria e da economia, visto que a Malha Ferroviária Brasileira representa um dos principais PIB do país. Portanto, a concessão de operação e manutenção de ferrovias a empresas privadas demanda monitoramento e avaliação do desempenho operacional das concessionárias, garantindo que os objetivos de segurança, eficiência e produtividade sejam alcançados (ALVES; RAMOS; SILVA, 2020). Dessa forma, o Sistema de Acompanhamento do Desempenho Operacional das Concessionárias (SIADE) surgiu como uma ferramenta valiosa para monitorar, coletar e analisar dados relacionados à operação ferroviária, oriundo do Ministério dos Transportes. Não obstante, com o aumento exponencial na quantidade de dados gerados por essas operações, há a necessidade de aplicar métodos avançados de análise, como a mineração de dados, a fim de extrair informações significativas e insights valiosos a partir desses registros, pois a mineração de dados oferece a capacidade de identificar padrões, tendências e anomalias nos dados de 232 | Aplicação de técnicas de mineração de dados no desempenho operacional de concessionárias de ferrovias: Um estudo de caso do SIADE Revista Processando o Saber - v.16 - p. 230-244 - 2024 movimentação de cargas, melhorando a tomada de decisões e otimizando os processos operacionais. Assim, este estudo propôs-se a explorar a aplicação da mineração de dados, partindo da metodologia Cross-Industry Standard Process for Data Mining (CRISP-DM, traduzida para o português como Processo Padrão Intersetorial para Mineração de Dados) no contexto da movimentação de cargas nas ferrovias federais concedidas, utilizando o SIADE como estudo de caso. Assim, utilizou-se dados históricos que contemplam, desde 2013 a 2023, a movimentação mensal de cargas nas ferrovias federais concedidas, empregando-se, posteriormente, técnicas mineração de dados para análise descritiva preliminar em linguagem de programação Python, apresentada através de gráficos de colunas a movimentação ferroviária brasileira em toneladas úteis e posterior modelagem preditiva em série temporais, com o emprego do método ARIMA (Autoregressive Integrated Moving Average, sendo em português, Autorregressivo Integrado de Médias Móveis), visando possibilitar a identificação de eventuais tendências, sazonalidade e previsão de desempenho operacional das concessionárias ferroviárias contempladas nesse estudo, propondo-se a investigação quanto à relevância do emprego da mineração de dados no aprimoramento da gestão da movimentação de cargas, bem como incentivo à tomada de decisão embasada em dados. Nas seções deste artigo, apresenta-se as metodologias e técnicas de mineração de dados aplicadas, os resultados obtidos e suas implicações para o setor ferroviário, visando contribuir para o aprimoramento contínuo das operações ferroviárias concedidas, destacando o potencial da mineração de dados como uma ferramenta estratégica para aprimorar a gestão e o desempenho operacional nesse contexto em evolução. 1. FUNDAMENTAÇÃO TEÓRICA A fundamentação teórica do presente artigo circunda o conceito histórico das fontes de pesquisa que promoveram embasamento teórico inicial ao mesmo e motivaram a escolha do tema, além da ferramenta tecnológica utilizada para a elaboração das análises, especificamente, a ferramenta Google Colab. 233 | Aplicação de técnicas de mineração de dados no desempenho operacional de concessionárias de ferrovias: Um estudo de caso do SIADE Revista Processando o Saber - v.16 - p. 230-244 - 2024 1.1 MALHA FERROVIÁRIA BRASILEIRA As ferrovias foram introduzidas no Brasil em 1854, quando a Estrada de Ferro Mauá inaugurou a primeira linha férrea no país, conectando o Rio de Janeiro a Petrópolis. Esse marco inicial desencadeou rápido processo de expansão ferroviária nas décadas seguintes, impulsionado pela necessidade de transportar produtos agrícolas, minerais e mercadorias entre as regiões produtoras e os portos para exportação (SGROTT; ZAGHENI, 2020; ALVES; RAMOS; SILVA, 2020). O Ciclo do Café, iniciado no século XIX e com fim no século XX, na década de 1930, que propiciou grande desenvolvimento econômico no Brasil, ocasionou um grande impulso na construção de ferrovias. O transporte ferroviário se tornou vital para o escoamento da safra de café do interior de São Paulo para os portos do Rio de Janeiro, consolidando a importância das ferrovias como uma espinha dorsal do transporte de mercadorias (MILLIET, 1941). Durante o século XX, as ferrovias foram dominantes no transporte de cargas. Contudo, o advento da rodovia e a falta de investimentos no setor ferroviário levaram a um declínio acentuado na rede ferroviária. Sendo assim, linhas foram desativadas, e a indústria ferroviária sofre, atualmente, com problemas de infraestrutura e falta de modernização (LANZA, 2020; SGROTT, 2019). Todavia, há a Associação Nacional dos Transportadores Ferroviários (ANTF), que é uma instituição nacional sem fins lucrativos, criada para defender e promover o desenvolvimento e aprimoramento do transporte de carga por ferrovia no país, desde o processo de desestatização, realizado pelo Governo Federal em 1996 (ANTF, 2023). Atualmente, a ANTF representa as operadoras ferroviárias responsáveis pelo transporte de carga em 14 malhas concedidas à iniciativa privada, cuja extensão abrange mais de 31 mil km e por onde milhões de toneladas de minério, soja, milho, açúcar, produtos siderúrgicos, entre outros, circulam anualmente (ANTF, 2023). As ferrovias das empresas associadas à ANTF (Bamin, FTC, MRS, Rumo, TLSA, Vale e VLI) conectam o Quadrilátero Ferrífero, no sul de Minas Gerais, e outros centros de mineração e siderurgia, além dos maiores polos industriais e áreas agrícolas aos principais portos brasileiros, entre eles, os de Santos, no estado de São Paulo, de Itaqui, no Maranhão, Vitória, no Espírito Santo, e o do Rio de Janeiro (ANTF, 2023; GABRIEL, 2021). Apesar de apresentar cerca de 31 mil km de malha ferroviária, no cenário internacional, o Brasil ainda apresenta baixa densidade da malha ao ser comparado a países de dimensões 234 | Aplicação de técnicas de mineração de dados no desempenho operacional de concessionárias de ferrovias: Um estudo de caso do SIADE Revista Processando o Saber - v.16 - p. 230-244 - 2024 continentais, como Estados Unidos da América, Canadá, Índia e China, com cerca de 293 mil km, 77 mil km, 108 mil km, 141 mil km, respectivamente (ANTF, 2023). A fim de aumentar a competitividade do Brasil no mercado internacional, reduzir os custos logísticos e melhorar a integração entre as regiões, em 2019, o governo federal lançou o Programa de Parcerias de Investimentos (PPI), que incluiu um conjunto de projetos ferroviários, como o da Ferrovia Transnordestina, que ligará o Porto de Pecém, no Ceará, ao Porto de Suape, em Pernambuco; da Ferrovia de Integração Oeste-Leste (Fiol), que ligará o Porto de Ilhéus, na Bahia, ao município de Figueirópolis, em Tocantins, conectando-se então com a Ferrovia Norte-Sul e o restante do país; e da Ferrovia Norte-Sul, que ligará o Porto de Santos, em São Paulo, ao Porto de Barcarena, no Pará (BRASIL, 2023). Além disso, há os Programas de Concessões e Renovações Ferroviárias, cuja unidade responsável é a Secretaria de Fomento e Parceria (SFPP). O Programa de Concessões Ferroviárias visa transferir a gestão da infraestrutura ferroviária para o setor privado, sendo assim, empresas privadas serão responsáveis por ampliar, manter e explorar as ferrovias brasileiras, objetivando-se o aprimoramento de eficiência e qualidade do serviço ferroviário, bem como redução dos custos logísticos. Já o Programa de Renovações Ferroviárias almeja renovar antecipadamente os contratos com as concessionárias ferroviárias atuais, possibilitando que as mesmas realizem investimentos em melhorias na infraestrutura ferroviária, como a modernização de equipamentos e a ampliação da capacidade de transporte, atraindo investimentos e modernizando a malha ferroviária brasileira (BRASIL, 2023). 1.2 CRISP-DM O CRISP-DM, significa em língua inglesa "Cross-Industry Standard Process for Data Mining" (Processo Padrão Intersetorial para Mineração de Dados), e é uma metodologia amplamente reconhecida e utilizada para orientar o processo de mineração de dados, sendo essa uma ciência que usa diversas técnicas descritivas e preditivas – como classificação, regressão linear e não-linear, agrupamento, entre outras –, na junção e organização de grandes volumes de dados para extrair conhecimento desses, buscando-se padrões, associações, mudanças e anomalias relevantes. Dessa forma, a metodologia CRISP-DM fornece uma estrutura clara e consistente para supracitado processo, tendo sido desenvolvida para auxiliar profissionais e pesquisadores a planejar, executar e avaliar projetos de mineração de dados de forma sistemática e eficaz, sendo composta por seis fases interrelacionadas que ocorrem de forma 235 | Aplicação de técnicas de mineração de dados no desempenho operacional de concessionárias de ferrovias: Um estudo de caso do SIADE Revista Processando o Saber - v.16 - p. 230-244 - 2024 cíclica: compreensão do negócio, compreensão dos dados, preparação dos dados, modelagem, avaliação e implantação (BARBIERI, 2011 apud AMEIDA, 2017; CAMILO; SILVA, 2009; ROBERTO, 2023). Na etapa de entendimento do negócio, propõe-se a compreensão das necessidades do negócio e o problema que a mineração de dados pode resolver (GAMA NETO, 2018). No entendimento dos dados, ocorre a avaliação dos dados disponíveis, sua qualidade e como os mesmos podem ser usados para a eficaz resolução do problema (GAMA NETO, 2018). Na etapa de preparação dos dados, os dados são preparados para a modelagem, realizando-se a limpeza, transformação e redução de dimensionalidade (GAMA NETO, 2018). Na modelagem, aplica-se as técnicas de mineração de dados, propondo-se a criação de modelos para identificação de padrões e particularidades dos dados analisados (IBM, 2023; GAMA NETO, 2018). Na avaliação do modelo, o desempenho dos modelos é avaliado, a fim de determinar qual deles é o melhor para a resolução do problema (GAMA NETO, 2018). Na etapa de implementação, o modelo é implantado para produção, com planejamento e monitoramento e, eventual, revisão de projeto (IBM, 2023; GAMA NETO, 2018). 1.3 GOOGLE COLAB O Google Colaboratory, comumente denominado Google Colab, é um serviço de nuvem gratuito, lançado em 2017 pela empresa multinacional americana especializada em tecnologia, Google, sendo proveniente do Google Research, setor da Google especializado no incentivo e disseminação de pesquisas científicas (GOOGLE, 2023). O produto da Google possibilita a composição, execução e compartilhamento de código em Python no navegador, ideal para aprendizado de máquina, ensino e análise de dados, não sendo necessário o download e instalação de softwares para sua utilização, o que o torna um instigante Integrated Development Environment (IDE), traduzido para a língua portuguesa como Ambiente de Desenvolvimento Integrado, para programação na linguagem de programação de alto nível, Python (GOOGLE, 2023; GUNAWAN et al, 2020). 236 | Aplicação de técnicas de mineração de dados no desempenho operacional de concessionárias de ferrovias: Um estudo de caso do SIADE Revista Processando o Saber - v.16 - p. 230-244 - 2024 2. PROCEDIMENTOS METODOLÓGICOS O desenvolvimento da temática utilizou a análise descritiva exploratória, sendo essa uma técnica estatística que busca descrever e resumir os principais aspectos de um conjunto de dados, visando a obtenção de informações relevantes e compreensíveis sobre as características, distribuição e padrões presentes nos dados, empregando-se a metodologia CRISP-DM para norteamento (MARCONI; LAKATOS, 2003; BUSSAB; MORETTIN, 2017). Por conseguinte, para o alcance do objetivo proposto, o projeto foi desenvolvido em seis etapas: compreensão do negócio, compreensão dos dados, preparação dos dados, modelagem, avaliação e implantação. A coleta de dados remete às etapas de compreensão e preparação dos dados, sendo os mesmos provenientes do SIADE, preconizado pela Agência Nacional de Transportes Terrestres (ANTT), do período de janeiro de 2013 a dezembro de 2023 (BRASIL, 2023a). A transformação e processamento dos dados ocorreu no ambiente do Google Colab. Logo, realizou-se a integração dos dados ao ambiente integrado, Google Colab, sendo essa a ferramenta selecionada para a elaboração do algoritmo provisor dos gráficos pertinentes ao estudo, desde a extração dos mesmos da sua fonte, seguida pela transformação e o seu carregamento, cujo processo é conhecido por ETL (Extract, Transform, Load). Ademais, determinou-se os indicadores e cálculos pertinentes à pesquisa, personalizando-se formatos de dados e categorias, quando prudente, a fim de promover o enriquecimento dos dados para a extração de informações adicionais (LAGO; LAENNDER, 2018). A elaboração de resumos numéricos e gráficos no Google Colab realizou-se com o auxílio das bibliotecas pandas e matplotlib, para manipulação de dados tabulares e criação de gráficos, e funções glob e os, para listagem de arquivos nos diretórios e obtenção de informações sobre os arquivos. Para as fases de modelagem, avaliação dos modelos e implementação, empregou-se as técnicas de mineração preditivas convenientes para predições de séries temporais, assim, utilizou-se a biblioteca sklearn para métricas de avaliação e a pmdarima para autoajuste do modelo ARIMA, sendo esse um modelo estatístico linear que combina dependências de autocorrelação e médias móveis, vastamente usado para modelar e prever séries temporais, além de sua extensão SARIMA (Seasonal AutoRegressive Integrated Moving Average, traduzido para o português como Autorregressivo Integrado de Médias Móveis com Sazonalidade) (KOTU; DESHPANDE, 2019). 237 | Aplicação de técnicas de mineração de dados no desempenho operacional de concessionárias de ferrovias: Um estudo de caso do SIADE Revista Processando o Saber - v.16 - p. 230-244 - 2024 Salienta-se que a autocorrelação é a dependência entre os valores de uma série temporal em diferentes momentos, enquanto as médias móveis representam a dependência entre os valores de uma série temporal e seus valores passados médios. (THE PENNSYLVANIA STATE UNIVERSITY, 2023) Logo, dividiu-se os dados em treinamento e teste para validação cruzada, e a biblioteca pmdarima realizou o teste de diferentes combinações de valores para os parâmetros de ordem do modelo, sendo esses p (ordem autoregressiva), d (ordem de diferenciação) e q (ordem da média móvel), selecionando a que minimiza o AIC (Critério de Informação de Akaike) ou o BIC (Critério de Informação Bayesiano) que são medidas de qualidade de modelo estatístico que penalizam modelos superparametrizados (SMITH, 2023). Dessa forma, com a previsão de séries temporais usando o modelo ARIMA, bem como o modelo SARIMA, que incorpora componentes sazonais, considerando-se padrões sazonais que se repetem em intervalos fixos de tempo, fez-se uma análise da série temporal, almejando a compreensão de eventuais tendencias, sazonalidades e padrões, prevendo-se a movimentação de carga ferroviária de distintas concessionárias para o ano de 2024 (THE PENNSYLVANIA STATE UNIVERSITY, 2023). 3. RESULTADOS E DISCUSSÃO No período analisado, o ano com maior movimentação de carga total em toneladas úteis (TU) foi o ano de 2018 (571.621.071 TU), seguido pelos anos de 2017 (540.237.780 TU), 2023 (530.596.848 TU) e 2021 (506.796.406 TU). Os gráficos elaborados durante a análise preliminar, permitiram a verificação da quantidade de toneladas por mercadoria transportada anualmente no período de 2013 a 2023, possibilitando a constatação de que o minério de ferro foi o produto mais transportado, destacando-se, em conjunto com soja, milho e açúcar, como os principais produtos em todo o período estudado. Entretanto, na Figura 1, apresenta-se os gráficos de colunas da quantidade de TU por produto para os anos de 2018 a 2023, nos quais é possível confirmar a vasta discrepância entre a movimentação do minério de ferro e dos demais produtos, como soja, açúcar, milho, celulose e carvão. 238 | Aplicação de técnicas de mineração de dados no desempenho operacional de concessionárias de ferrovias: Um estudo de caso do SIADE Revista Processando o Saber - v.16 - p. 230-244 - 2024 Figura 1 – Movimentação de cargas em TU por Produto no ano de 2018 a 2023 Fonte: Autores (2023) Atesta-se, na Figura 2, que a movimentação dos produtos, em geral, teve um crescimento significativo ao longo dos anos compreendidos neste estudo e, a partir de 2020, período marcado pela pandemia de COVID-19, a movimentação de alguns produtos teve um aumento considerável durante o período da pandemia como adubo orgânico e ferro, enquanto outros tiveram redução em sua movimentação, como a gasolina.