Uma investigação na duração dos processos judiciais nos tribunais da justiça do trabalho brasileira utilizando técnicas de mineração de processos e clusterização.

##plugins.themes.bootstrap3.article.main##

Jaqueline Keila Leite da Cruz
Byron Leite Dantas Bezerra
Luiz Felipe Verçosa

Resumo

No sistema judicial brasileiro, existem três fatores principais relacionados à morosidade processual. De início, o país enfrenta um grande volume de ações judiciais, liderando mundialmente a quantidade de processos no judiciário. Por outro norte, a quantidade insuficiente de magistrados e servidores dificulta a eficiência administrativa, sobrecarregando os profissionais e resultando em atrasos nos procedimentos. Em contrapartida, os processos frequentemente ficam parados por motivos burocráticos, prolongando ainda mais a resolução das demandas judiciais (VIEIRA, 2020). Neste cenário, o presente trabalho tem como objetivo utilizar técnicas de Mineração de Processos, incluindo algoritmos de clusterização e análise de gargalos, para realizar análise de performance em processos judiciais visando identificar as principais causas de morosidade no tocante às características apresentadas pelos processos. Para o desenvolvimento deste estudo foi utilizado o Dataset “Brazilian Justice Processes”, que se constitui em uma base de dados fornecida pelo Conselho Nacional de Justiça (CNJ), a qual contempla ações judiciais concluídas e em andamento de milhares de tribunais brasileiros. Na abordagem proposta foram considerados dados de processos judiciais dos Tribunais Regionais do Trabalho (TRT)  de todo o Brasil, os quais abrangem o TRT-1 até o TRT-24. Em nossos experimentos, foram empregados três métodos de agrupamento diferentes com complexidade crescente, aplicados individualmente, eles correspondem às abordagens de agrupamento K-means; Agglomerative e ActiTrac. Trabalhos recentes realizados por Cruz et al. 2023 e Verçosa et al 2024 investigam a utilização de técnicas de clusterização sequencial otimizada à análise de performance. Constatou-se que os modelos SVR e LGBM apresentaram resultados interessantes, com R² superior a 0.85. Entretanto, nota-se que os resultados encontrados pelo LGBM são ligeiramente superiores aos do SVR (CRUZ et al, 2023). Foram coletados mais de 60 mil processos trabalhistas dos tribunais brasileiros para prever a duração dos processos. Considerou-se as características do fluxo de controle agrupando as ações judiciais, com o objetivo de identificar a correlação entre os clusters e o tempo das movimentações processuais. Foi utilizada regressão linear, aumento de gradiente com árvores de regressão e regressor vetorial de suporte como modelos de aprendizado de máquina. Verificou-se que os modelos SVR e DART apresentaram os melhores resultados com um score R2 superior a 0,85. Os recursos de agrupamento figuraram entre os recursos mais relevantes na correlação e foram identificados pelo modelo DART. (Verçosa et al, 2024).  Com desenvolvimento dos estudos  a pesquisa atual busca uma nova perspectiva, pois considera técnicas de análise associativa como o “a priori” e a análise sequencial buscando identificar padrões recorrentes em clusters de processos com alta distribuição temporal versus clusters de baixa distribuição temporal, de modo a considerar a ordem e a sequência das atividades. Como conclusão da pesquisa espera-se identificar padrões relevantes associados a variantes de processo de baixa performance temporal e a variantes de processo de alta performance tempora, dentre os quais incluem grupos de atividades, atributos e gargalos associados a variantes específicas. Por fim, espera-se com a finalizaç ão da presente pesquisa, propor novas técnicas para análise de processos judiciaisno tocante à morosidade processual, de modo a contribuir para a área de mineração de processos e o sistema judicial.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Seção
Engenharia da Computação e Sistemas