No Grupo Especial de Inspeção em Voo (GEIV) foi percebida uma grande dificuldade de realizar uma gestão preditiva da segurança, de forma a implementar barreiras com antecedência. Para auxiliar neste processo de análise de dados e percepção dos perigos, fatores importantes da gestão preditiva, um algoritmo chamado machine learning (ML) demonstrou-se valiosíssimo. Por isso, este ensaio defende que a utilização do machine learning como ferramenta de análise de dados fortalece a segurança de voo no GEIV. Durante as pesquisas, esta ferramentademonstrou-se excelente para realizar previsões dos indicadores de segurança de voo, baseados em relatos de prevenção. A ferramenta apresentou extrema precisão no traçado das linhas de tendência nos gráficos, que pode ser utilizado para verificar se alguma área da organização está precisando de um maior cuidado, de forma antecipada. Uma outra utilidade dessa ferramenta é a identificação de anomalias nos parâmetros de voo, colhidos diretamente da aeronave. Mesmo com uma vasta quantidade de dados, o ML foi capaz de apontar desvios nos parâmetros, alertar sobre falsos negativos e identificar as suas causas. Utilizando a ferramenta destas duas formas, é possível que ações de prevenção sejam tomadas previamente. Com os diagnósticos avançados deste instrumento, o modelo de gestão da segurança de voo passa de um modelo proativo para uma forma preditiva. Ao fim do estudo, percebeu-se que a ferramenta deveria extrapolar os limites do GEIV e ser utilizada em toda a FAB. Com este utensílio, uma gestão mais preditiva pode ser realizada com qualidade, salvando um maior número de vidas. Ver menos