PPG.EGPSA/ITEGAM

URI permanente desta comunidadehttps://rigalileo.itegam.org.br/handle/123456789/1

A comunidade dispõe da produção técnica e científica do Programa de Pós-graduação em Engenharia, Gestão de Processos, Sistema e Ambiental (PPG.EGPSA) do Instituto de Tecnologia e Educação Galileo da Amazônia (ITEGAM), fruto da atividade de pesquisa e desenvolvimento (P&D). É possível acessar os trabalhos de conclusão do programa de pós-graduação, artigos e livros vinculados a pesquisa, desenvolvimento, inovação e extensão.

Navegar

Filtros

20251

Configurações

Autor: search.filters.author.ALMEIDA, Luiz Fernando Correia deAssunto: search.filters.subject.Demonstração de Resultados

Resultados da Pesquisa

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Diagnóstico Difuso da Rentabilidade Empresarial: Modelo Mamdani Aplicado às Margens Bruta e Operacional
    (Instituto de Tecnologia e Educação Galileo da Amazônia, 2025) NASCIMENTO, Alessandra Souza; NASCIMENTO, Manoel Henrique Reis; ALMEIDA, Luiz Fernando Correia de; SANTOS, Eliton Smith dos
    This article proposes and validates a Mamdani fuzzy-inference model to diagnose corporate profitability for Coelmatic Indústria de Componentes Eletrônicos Ltda., using 2024 income-statement data. Four input variables—General and Administrative Expenses (DGA), Tax Debt Ratio (DT), Financial Debt Ratio (DF) and Financial Return (RF)—were fuzzified into Low, Medium and High through trapezoidal membership functions calibrated on historical quartiles. An 81-rule IF–THEN base, generated by the Wang-Mendel algorithm and refined by domain experts, feeds the Mamdani core; centroid defuzzification yields the crisp score CompLucroO on a 0–30 scale. The model achieved a mean absolute error below 8 % against accounting ROE and a Kendall’s W of 0.85 versus analysts’ rankings, supporting the hypothesis that fuzzy logic captures performance nuances overlooked by crisp metrics. Limitations include single-year scope, subjective parameter tuning and exclusion of macroeconomic factors. Future work should extend the time series, explore type-2 or neuro-fuzzy systems, and incorporate ESG indicators.