Varimax-Rotated Factor Normal Boundary Intersection

Last updated on julho 3rd, 2026 at 02:32 pm

Ferramenta em Python para otimização multiobjetivo baseada no método Varimax-Rotated Factor Normal Boundary Intersection (VRF-NBI), que integra redução de dimensionalidade, rotação Varimax e Normal Boundary Intersection para gerar soluções Pareto-ótimas e analisar conflitos entre variáveis. Automatiza desde o tratamento dos dados até a visualização dos resultados, facilitando decisões técnicas mesmo em cenários complexos.

BR 51 2025 005973-6 – Varimax-Rotated Factor Normal Boundary Intersection

Autores:

ANDERSON PAULO DE PAIVA, MATHEUS COSTA PEREIRA, VINICIUS PAES DE CARVALHO, MATHEUS BRENDON FRANCISCO, JOÃO LUIZ JUNHO PEREIRA

Sobre:

Ferramenta em Python para otimização multiobjetivo baseada no método Varimax-Rotated Factor Normal Boundary Intersection (VRF-NBI), que integra redução dedimensionalidade, rotação Varimax e Normal Boundary Intersection para gerarsoluções Pareto-ótimas e analisar conflitos entre variáveis. Automatiza desde otratamento dos dados até a visualização dos resultados, facilitando decisões técnicasmesmo em cenários complexos.

Estágio de desenvolvimento:

TRL 4-5

Protótipo funcional com implementação operacional em Python, validado com datasetsreais e aplicado em estudos científicos publicados. A tecnologia contempla rotinascompletas de otimização, geração de múltiplas soluções ótimas, avaliação por métricase visualizações gráficas, com maturidade técnica e potencial para aplicações práticas.

Área técnica/aplicação:

Inteligência Artificial; Otimização Multiobjetivo; Ciência de Dados e Analytics;Pesquisa Operacional; Engenharia de Produção; Estatística multivariada; ProblemasIndustriais.

Diferencial da solução:

A tecnologia oferece um fluxo completo “do dado à decisão”, automatizando em umaúnica ferramenta etapas que normalmente exigiriam diferentes softwares e elevadoconhecimento técnico, como análise estatística, redução de dimensionalidade,otimização e avaliação de resultados. Além disso, permite priorizar fatores e objetivospor pesos conforme o contexto do usuário, reduzindo tempo de análise e aumentando aqualidade e a robustez das decisões em problemas multivariados complexos.

Última atualização em:
Rolar para cima