Modelagem e gestão de acervo processual : predição e priorização na segunda instância do TJRJ

Abstract

Resumo: A gestão de acervo processual na segunda instância do TJRJ enfrenta o desafio de priorizar milhares de processos considerando metas institucionais, prioridades legais e capacidade operacional dos órgãos julgadores. Neste artigo, buscou-se construir um sistema de apoio à decisão capaz de estimar o tempo de tramitação de cada processo e gerar rankings de priorização. Para isso, foram utilizadas técnicas de aprendizado de máquina aplicadas a dados públicos do DataJud, selecionando automaticamente o algoritmo de melhor desempenho para cada grupo de processos. A partir disso, foi possível implementar um protótipo funcional que produz relatórios estruturados por órgão julgador, ordenando o acervo pendente conforme critérios de maturidade processual e elegibilidade para metas do CNJ. A abordagem pode ser aprimorada com a incorporação de novas fontes de dados e técnicas de modelagem mais avançadas

Abstract: Managing the caseload at the appellate level of TJRJ involves prioritizing thousands of cases while considering institutional targets, legal priorities, and the operational capacity of adjudicative bodies. This paper describes the development of a decision-support system capable of estimating processing time for each case and generating prioritization rankings. Machine learning techniques were applied to public DataJud data, automatically selecting the best-performing algorithm for each group of cases. A functional prototype was implemented that produces structured reports by adjudicative body, ranking pending cases according to procedural maturity criteria and eligibility for CNJ targets. The approach can be enhanced by incorporating additional data sources and more advanced modeling techniques