IMPLANTAÇÃO DA FERRAMENTA BI NO SISTEMA DE INTELIGÊNCIA

DE NEGÓCIOS PARA TOMADAS DECISÕES NO PROCESSO PRODUTIVO

DA EMPRESA MAKAUTA EM MANAUS

Luiz Carlos Monteiro Cavalcante

Dissertação de Mestrado apresentada ao Programa

de Pós-Graduação em Engenharia de Processos –
Mestrado Profissional, PPGEP/ITEC, da
Universidade Federal do Pará, como parte dos
requisitos necessários à obtenção do título de Mestre
em Engenharia de Processos.

Orientador: Jandecy Cabral Leite

Belém
Fevereiro de 2022
 IMPLANTAÇÃO DA FERRAMENTA BI NO SISTEMA DE INTELIGÊNCIA
DE NEGÓCIOS PARA TOMADAS DECISÕES NO PROCESSO PRODUTIVO
DA EMPRESA MAKAUTA EM MANAUS

Luiz Carlos Monteiro Cavalcante

DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DO PROGRAMA DE PÓS-

GRADUAÇÃO EM ENGENHARIA PROCESSOS – MESTRADO PROFISSIONAL
(PPGEP/ITEC) DA UNIVERSIDADE FEDERAL DO PARÁ COMO PARTE DOS
REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE MESTRE EM
ENGENHARIA DE PROCESSOS.

Examinada por:

_______________________________________________
Prof. Jandecy Cabral Leite, Dr.
(PPGEP/ITEC/UFPA-Orientador)

________________________________________________
Prof. Manoel Henrique Reis Nascimento, Dr.
(PPGEP/ITEC/UFPA-Membro)

________________________________________________
Profa. Alexandra Amaro de Lima, Dra.
(UNIP-Membro)

BELÉM, PA - BRASIL
FEVEREIRO DE 2022
 Dados Internacionais de Catalogação-na-Publicação (CIP)
Sistema de Bibliotecas da UFPA

Cavalcante, Luiz Carlos Monteiro, 1985-

Implantação da ferramenta BI no sistema de inteligência
de negócios para tomadas de decisões no processo produtivo
da empresa Makauta em Manaus / Luiz Carlos Monteiro
Cavalcante – 2022.

Orientador: Jandecy Cabral Leite

Dissertação (Mestrado Profissional) – Universidade Federal

do Pará. Instituto de Tecnologia. Programa de Pós-Graduação
em Engenharia de Processos, 2022.

1. Ferramenta BI 2. Sistema de inteligência 3. Processo

produtivo líquidos I. Título

CDD 670.42
 Dedico este trabalho ao meu Deus que
sempre esteve ao meu lado, para me
conduzir e me proporcionar tudo que sou
e tudo que tenho; à minha esposa que,
sempre ao meu lado, ajuda-me em tudo
que faço; à toda minha família que
contribuiu para esta realização.

iv
 AGRADECIMENTOS

Agradeço a meu orientador Professor Dr. Jandecy Cabral Leite, pela confiança e
acompanhamento durante as pesquisas experimentais e pela assistência na elaboração
desta dissertação; aos meus amigos de sala de aula que estiveram sempre juntos a mim,
em momentos de dificuldades ou não, contribuindo para essa realização; a todos os
meus Professores, que contribuíram com seus conhecimentos para o meu
desenvolvimento intelectual; ao ITEGAM e à UFPA que, por essa grande parceria, deu-
me a oportunidade de realizar o sonho de ser Mestre em Engenharia de Processos; e que
têm a preocupação com o desenvolvimento intelectual da sociedade Amazonense.
Agradeço também à Professora Tereza Rodrigues, pela sua insistência para que
eu não desistisse desse sonho. Seu apoio é de suma importância todos os alunos, posto
que, independentemente de quem o aluno, ela não mede esforços para ajudar a todos
que a procuram.

v
 ―Tente uma, duas, três vezes e se possível
tente a quarta, a quinta e quantas vezes for
necessário. Só não desista nas primeiras
tentativas, a persistência é amiga da
conquista. Se você quer chegar aonde a
maioria não chega, faça o que a maioria
não faz...‖
(Bill Gates)

vi
Resumo da Dissertação apresentada ao PPGEP/UFPA como parte dos requisitos
necessários para a obtenção do grau de Mestre em Engenharia de Processos (M. Eng.)

IMPLANTAÇÃO DA FERRAMENTA DE BI NO SISTEMA DE

INTELIGÊNCIA DE NEGÓCIOS PARA TOMADAS DECISÕES NO
PROCESSO PRODUTIVO DA EMPRESA MAKAUTA EM MANAUS

Luiz Carlos Monteiro Cavalcante

Fevereiro/2022

Orientador: Jandecy Cabral Leite

Área de Concentração: Engenharia de Processos

A evolução do processo produtivo, antigo ―chão-de-fábrica‖, tem sido significativa nas

últimas décadas. Muitos projetos têm sido desenvolvidos para a implantação da
―indústria 4.0‖. Grandes investimentos têm sido realizados em infraestrutura,
automação, treinamento e sistemas de informação, transformando este setor numa área
estratégica em tempo hábil para as empresas. O ―chão-de-fábrica‖ gera hoje grande
quantidade de dados que, por estarem dispersos ou desorganizados, não são utilizados
em todo o seu potencial, como fonte de informação para tomada de decisões. Pensando
nessa sub-utilização das informações fornecidas no processo produtivo, este trabalho
propõe a implantação de um sistema de Business Intelligence por meio do uso da
ferramenta Qlik Sense, aplicada especificamente ao tratamento dos dados do ―chão-de-
fábrica‖. O objetivo é desenvolver um sistema que utilize os dados resultantes do
processo produtivo e os transforme em informações que auxiliem os gestores na tomada
de decisões, em tempo hábil, neste processo, de forma a melhorar a competitividade da
empresa.

vii
Abstract of Dissertation presented to PPGEP/UFPA as a partial fulfillment of the
requirements for the degree of Master in Process Engineering (M. Eng.)

IMPLEMENTATION OF THE BI TOOL IN THE BUSINESS INTELLIGENCE

SYSTEM FOR DECISION-MAKING IN THE PRODUCTION PROCESS OF
THE COMPANY MAKAUTA IN MANAUS

Luiz Carlos Monteiro Cavalcante

February/2022

Advisor: Jandecy Cabral Leite

Research Area: Process Engineering

The evolution of the production process, formerly "shop floor", has been significant in
recent decades. Many projects have been developed for the deployment of ―industry
4.0‖. Major investments have been made in infrastructure, automation, training and
information systems, making this sector a strategic area in a timely manner for
companies. ―Shop floor‖ today generates a large amount of data that, because it is
scattered or disorganized, is not used to its full potential as a source of information for
decision making. Thinking about this under-utilization of the information provided in
the production process, this paper proposes the implementation of a Business
Intelligence system through the use of the Qlik Sense tool, applied specifically to the
treatment of ―shop floor‖ data. The goal is to develop a system that uses the data
resulting from the production process and transforms it into information that helps
managers make timely decisions in this process in order to improve the company's
competitiveness.

viii
 SUMÁRIO

CAPÍTULO 1 - INTRODUÇÃO.......................................................................... 1
1.1 - MOTIVAÇÃO................................................................................................ 1
1.2 - OBJETIVOS................................................................................................... 3
1.2.1 - Objetivo geral............................................................................................. 3
1.2.2 - Objetivos específicos.................................................................................. 3
1.3 - CONTRIBUIÇÕES DA DISSERTAÇÃO..................................................... 4
1.3 - ORGANIZAÇÃO DO TRABALHO.............................................................. 4
CAPÍTULO 2 - REVISÃO DA LITERATURA................................................. 5
2.1 - FUNDAMENTAÇÃO TEÓRICA.................................................................. 5
2.2 - TOMADA DE DECISÃO............................................................................... 5
2.2.1 - Fatores que influenciam a tomada de decisão......................................... 6
2.2.2 - Características da tomada de decisão...................................................... 7
2.2.3 - Tomada de decisão através dos sistemas de informação........................ 7
2.3 - BUSINESS INTELLIGENCE (BI)................................................................. 8
CAPÍTULO 3 - MATERIAIS E MÉTODOS..................................................... 12
3.1 - MATÉRIAS.................................................................................................... 12
3.2 - METODOLOGIA EXPERIMENTAL............................................................ 12
3.3 - ESPECIFICAÇÃO DO PROBLEMA DE PESQUISA.................................. 13
CAPÍTULO 4 - RESULTADOS E DISCUSSÃO............................................... 16
4.1 - CARACTERIZAÇÃO DO SISTEMA DE BUSINESS INTELLIGENCE -
QLIK VIEW............................................................................................................ 16
4.2 - TECNOLOGIA BUSINESS INTELLIGENTE.............................................. 19
4.3 - INTELIGÊNCIA COMPETITIVA................................................................. 25
4.4 - TOMADA DE DECISÃO............................................................................... 28
4.5 - IMPLEMENTAÇÃO E RESULTADO.......................................................... 34
CAPÍTULO 5 - CONCLUSÕES E SUGESTÕES.............................................. 45
5.1 - CONCLUSÕES............................................................................................... 45
REFERÊNCIAS BIBLIOGRÁFICAS................................................................ 47

ix
 LISTA DE FIGURAS

Figura 2.1 Estrutura de BI............................................................................. 9

Figura 2.2 Evolução do BI............................................................................. 10
Figura 3.1 Escopo do processo...................................................................... 13
Figura 3.2 Fluxo atual.................................................................................... 14
Figura 3.2 Organograma dos apontamentos.................................................. 15
Figura 4.1 Infraestrutura Qlik View.............................................................. 16
Figura 4.2 Tecnologias Business Intelligence............................................... 20
Figura 4.3 Arquitetura BI.............................................................................. 21
Figura 4.4 Modelo estrela completo do data Mart para o chão-de-fábrica.... 25
Figura 4.5 Ciclo da inteligência competitiva................................................. 26
Figura 4.6 Processo proposto de integração Business Intelligence............... 29
Figura 4.7 Padronização da ferramenta......................................................... 29
Figura 4.8 Metas do projeto........................................................................... 30
Figura 4.9 Background do projeto................................................................. 31
Figura 4.10 Escopo do projeto......................................................................... 32
Figura 4.11 Dashboard dos apontamentos, rejeição e divisão de peças.......... 34
Figura 4.12 Dashboard monitoramento HCA – Intercia................................. 35
Figura 4.13 Dashboard indicador inutilizado.................................................. 36
Figura 4.14 Dashboard indicador eficiência.................................................... 37
Figura 4.15 Dashboard indicador de eficiência do grupo montagem.............. 38
Figura 4.16 Dashboard acompanhamento linha de montagem........................ 39
Figura 4.17 Dashboard indicador de parada de linha...................................... 40
Figura 4.18 Dashboard indicador Keppin-sha................................................. 41
Figura 4.19 Dashboard indicador de rejeição interna...................................... 42
Figura 4.20 Dashboard indicador de tempo inoperante................................... 43
Figura 4.21 Dashboard análise de produção setorial....................................... 44

x
 NOMENCLATURA

BI BUSINESS INTELLIGENCE
ERP ENTERPRISE RESOURCE PLANNING
MOLAP MULTIDIMENSIONAL ON-LINE ANALYTICAL PROCESSING
OLAP ON LINE ANALYTICAL PROCESSING
OPT OPTIMIZED PRODUCTIONS TECHNIQUES
ROLAP RELATIONAL ON-LINE ANALYTICAL PROCESSING
SQL STRUCTURED QUERY LANGUAGE
TI TECNOLOGIA DA INFORMAÇÃO

xi
 CAPÍTULO 1

INTRODUÇÃO

1.1 - MOTIVAÇÃO

Com o passar das décadas, as informações vêm obtendo uma maior relevância
no contexto das organizações para tomadas de decisões. Segundo FREITAS et al.
(1997), no ambiente organizacional, a informação já é considerada como um recurso
vital, assim como a mão de obra e a matéria prima. A informação é vista como um
elemento decisivo que pode determinar o sucesso ou o fracasso de uma organização.
A informação vem crescendo em importância. O aumento da concorrência e a
globalização dos negócios obrigam as organizações a enfrentarem novas situações, onde
a informação torna-se fundamental.
A qualidade da decisão tomada pelos gestores vai depender diretamente da
qualidade e relevância das informações que forem disponibilizadas pelos sistemas da
organização. Segundo COLAÇO (2004), para levar as corporações a um lugar de
destaque, os administradores precisam ter a capacidade de analisar os dados disponíveis
e tomar decisões rápidas e seguras. Para FREITAS et al. (1997), as organizações que
conseguem trabalhar a informação de uma maneira satisfatória certamente terão maior
competitividade.
Atualmente, as principais aplicações de Business Inteligence são encontradas
nas áreas financeira, de marketing e de atendimento ao cliente, sendo mais utilizadas em
bancos, seguradoras e empresas comerciais.
Considerando a importância de desenvolver melhor essa ferramenta para
aplicabilidade mais efetiva na indústria, observou-se que existe uma lacuna a ser
preenchida, para o tratamento do chão-de-fábrica por intermédio da ferramenta BI, com
vistas à otimização do processo produtivo.
A evolução da era da informação trouxe consigo certo grau de complexibilidade
que foi absorvendo o cenário das empresas ao longo do tempo, sendo cada vez mais
necessária a presença da tecnologia da informação. Nesse contexto, as organizações são
caracterizadas por estarem em constante movimento, isto é, devem estar sempre se
adaptando às mudanças que surjam (SILVA e MENEZES).

1
 Hoje, é possível encontrar empresas em que o chão-de-fábrica é organizado,
limpo e seguro, fruto de grandes investimentos em infraestrutura, automação e
treinamentos, tudo muito diferente do que ocorria há um século.
Em diversas empresas, o chão-de-fábrica exige profissionais qualificados para
lidar com equipamentos complexos, buscar melhorias contínuas e com postura voltada à
qualidade e à satisfação do cliente, foco este que não existia no início da
industrialização.
Dentro deste novo cenário, durante o processo produtivo é gerada uma grande
quantidade de dados relacionados à qualidade, produtividade, manutenção, máquinas,
materiais, produtos, funcionários etc. No entanto, muitas empresas ainda não sabem o
que fazer com essa massa de dados, desconhecendo sua importante utilidade como
matéria-prima para a geração de informações úteis à gestão do negócio. Muitos gerentes
de chão-de-fábrica, que hoje sofrem por falta de informações, podem ter um grande
aliado se dispuserem de ferramentas para processar os dados.
Esses dados têm pouca utilidade em seu estado bruto, por isso precisam ser
tratados e interpretados para que deles seja possível tirar informações e conhecimento.
Assim, hodiernamente, para tal finalidade, existem diversas ferramentas
específicas e disponíveis comercialmente. Empresas do mundo da Tecnologia da
Informação, como Oracle, Qlik, Tableau e Microsoft, oferecem softwares que podem
ser ajustados às necessidades de cada usuário ou corporação. Esta área vem sendo
denominada como Business Intelligence (BI), termo que vem sendo muito explorado
ultimamente.
Incertezas são partes inerentes ao processo de tomada de decisões nas empresas.
São elas que transformam este processo determinístico em probabilístico, CHOO
(1998).
São fontes de incertezas frequentes a carência de informações do ambiente de
negócios; a falta de conhecimento sobre o que resultará uma decisão; e a incapacidade
de se atribuir probabilidade de sucesso ou fracasso à determinada decisão, Duncan
Apud CHOO (1998).
Portanto, faz-se necessário implementar ferramenta que disponibilize, de forma
rápida e confiável, as informações necessárias para melhoria da gestão do negócio.
Business Intelligence pode ser traduzido como ―inteligência de negócios‖, ou
inteligência empresarial. Significa que é um método que visa ajudar as empresas a

2
tomar decisões inteligentes, mediante dados e informações recolhidas pelos diversos
sistemas de informação.
Sendo assim, ―inteligência de negócios‖ é uma tecnologia que permite às
empresas transformar dados guardados nos seus sistemas em informação qualitativa, e
importante para a tomada de decisão.
Há uma forte tendência de que os produtos que compõem o sistema de BI de
uma empresa passem, isoladamente, a prover funções extras que auxiliem na tomada de
decisões, como, por exemplo, todos os sistemas que funcionam numa perspectiva de
organização da informação, tais como os sistemas ERP, provedores das informações
para um modelo efetivo de BI.
A proposta que é apresentada neste trabalho é introduzir o conceito dos Sistemas
de Informação e demonstrar sua relevância, destacando-se características como
flexibilidade e integração, uma vez que o BI passa a ser mais um elemento destes
sistemas acima mencionados, principalmente, dos sistemas ERP.
A proposta do BI, especificamente para o chão-de-fábrica, é a sua integração ao
sistema ERP, para desenvolvimento de novos dashboards, possibilitando a tomada de
decisões estratégicas e em tempo hábil.

1.2 - OBJETIVOS

1.2.1 - Objetivo geral

Propor a implantação da ferramenta de BI no sistema de inteligência de

negócios, visando reduzir o esforço operacional na gestão de indicadores de chão de
fábrica, com velocidade nas disponibilidades das informações e acuracidade,
proporcionando, assim, tomadas de decisões mais eficazes no processo produtivo na
empresa Makauta.

1.2.2 - Objetivos específicos

 Implantar o BI no sistema de inteligência de negócio utilizado pela empresa

Makauta, para coleta de dados, visando às tomadas de decisões no processo
produtivo;

3
  Analisar a coleta de dados realizada sobre as informações, para propor a
aplicabilidade da ferramenta de BI no sistema, de modo a otimizar a tomada de
decisão e a melhoria do processo produtivo;
 Realizar a aplicabilidade da ferramenta BI diretamente no sistema, para avaliar
os principais proveitos de melhoria na tomada de decisão no processo produtivo;
 Demonstrar/avaliar os resultados no processo produtivo, antes e depois da
aplicabilidade da ferramenta BI; e preparar/distribuir relatórios de gestão da
manufatura.

1.3 - CONTRIBUIÇÕES DA DISSERTAÇÃO

O desenvolvimento desta pesquisa irá contribuir para: reduzir o tempo de

tomada de decisão em 90%; e o tempo de consolidação das decisões; aumentar o tempo
operacional, com redução de 855 horas/mês, o equivalente a R$ 20.879,01; o
atendimento da legislação; diminuir a perda de recursos financeiros, que pode chegar a
12 milhões ao mês; proporcionar a acuracidade e a rapidez na obtenção de informações
relevantes, para a tomada de decisão no processo produtivo.

1.4 - ORGANIZAÇÃO DO TRABALHO

O presente trabalho encontra-se subdividido da seguinte maneira:

No capítulo dois, apresenta-se o referencial teórico, cujo objetivo é explicar os
conceitos utilizados na construção do conhecimento necessário à elaboração e ao
entendimento do estudo do caso proposto.
Já no terceiro capítulo, encontra-se a descrição da metodologia utilizada para o
desenvolvimento do presente trabalho, ou seja, como se dará a pesquisa, o levantamento
de informações sobre o processo decisório, além das informações necessárias à
implantação do BI.
No quarto capítulo, serão apresentadas as técnicas de modelagem dimensional,
sua documentação e a descrição dos processos ETL.
No quinto capítulo, estão descritos os métodos utilizados para a
disponibilização do ambiente para os usuários; a avaliação realizada por eles; e a
interpretação dos resultados obtidos.
No sexto capítulo, encontram-se as considerações finais do presente trabalho.

4
 CAPÍTULO 2

REVISÃO DA LITERATURA

2.1 - FUNDAMENTAÇÃO TEÓRICA

Este capítulo tem o objetivo de demonstrar as visões de importantes autores,

através de conceitos teóricos, no intuito de fornecer um embasamento para as aplicações
práticas apresentadas nesta dissertação. Sabe-se a importância de um pesquisador ter
conhecimento teórico dos estudos realizados anteriormente, isto é, quais foram as
descobertas encontradas, o que disseram e como abordaram o assunto e uma área em
questão. Assim, um estudo científico tem a condição de oferecer novidades e trazer
avanços através de novas ideias e aplicações.

2.2 - TOMADA DE DECISÃO

Segundo SHIMIZU (2001), frequentemente uma organização se depara com

problemas de decisão. Poder-se-ia pensar que uma pessoa física poderia analisar o
problema e escolher a melhor alternativa de decisão de modo inteiramente informal; no
entanto, em uma organização, os problemas são amplos e complexos, envolvendo riscos
e incertezas e ocorrendo em diferentes níveis funcionais, com a participação de diversas
pessoas. Logo, em uma empresa, o processo de decisão deve ser estruturado e resolvido
de maneira formal, detalhada, consistente e transparente.
Incertezas são partes inerentes do processo de tomada de decisões nas empresas.
São elas que transformam este processo determinístico em probabilístico, CHOO
(1998).
São fontes de incertezas comuns a carência de informações do ambiente de
negócios; a falta de conhecimento sobre o que resultará uma decisão; e a incapacidade
de se atribuir probabilidade de sucesso ou fracasso à determinada decisão. Duncan
Apud CHOO (1998).

5
2.2.1 - Fatores que influenciam a tomada de decisão

Toda pessoa que deve tomar uma decisão, seja em uma organização seja em sua
vida pessoal, deve levar dois aspectos em consideração:
 Aspectos racionais e analíticos;
 Aspectos emocionais e de temperamento pessoal.
Não podemos esquecer, também, da famosa intuição, que não deixa de ser um
viés do aspecto emocional, mas que alguns sabem usar muito bem e com resultados
brilhantes, e outros nem tanto…
Ao levar em conta estes 2 aspectos, a pessoa que se encontra em um processo de
tomada de decisão nas organizações é ainda pressionada por um terceiro fator: o tempo.
Portanto, conforme o nível hierárquico aumenta, as características psicológicas e
de personalidade do líder, sua autoconfiança e experiência, podem levá-lo a pender mais
para os aspectos emocionais e de temperamento, mesclados com a intuição,
principalmente se não tiver tempo suficiente para analisar as informações ou mesmo de
recebê-las dos níveis hierárquicos inferiores e dos sistemas que o deveriam prover delas.
Nesse contexto, os 4 tipos de personalidade muitas vezes influenciam fortemente
o processo de tomada de decisão nas empresas.
São tipos de personalidade:
 Analítico – baixa assertividade e baixa emotividade.
 Pragmático – assertivo e controlado.
 Integrador – emotivo e com baixa assertividade.
 Expressivo – assertivo e emotivo.
Por sua vez, GOMES e GOMES (2012) afirmam que uma decisão deve ser
tomada quando se está diante de um problema que possui mais de uma alternativa para
sua solução. Mesmo quando, para solucionar um problema, exista uma única ação a ser
realizada, há as alternativas de realizar ou não essa ação. Concentrar-se no problema
certo possibilita direcionar corretamente todo o processo.
A tomada de decisão, usando parâmetros quantitativos e qualitativos, é utilizada
por grupos empresariais, pequenas e médias empresas, por governos, militares, etc. Nos
dias atuais, as organizações estão presentes em um mercado globalizado cada vez mais
competitivo, buscando reduzir perdas e aumentar ganhos, por meio de tomadas de
decisões rápidas, corretas e abrangentes. O tomador de decisão, como, por exemplo, o

6
gestor de uma área, pode criar também situações para comparar e analisar o estado da
natureza antes e depois, julgando as vantagens e desvantagens após implementar a
decisão, GOMES e GOMES (2012).

2.2.2 - Características da tomada de decisão

Conforme GOMES e GOMES (2012), as decisões podem ser classificadas como

simples (rotineiras) ou complexas:
a) Simples – decisões diárias, de rotina, tomadas tanto na vida pessoal como
profissional e, no máximo, entre duas pessoas. Envolvem menos parâmetros,
riscos e incertezas.
b) Complexas – decisões mais difíceis enfrentadas por grupos ou, até mesmo,
individualmente. Geralmente, atendem a múltiplos objetivos, e, repetidamente,
seus impactos não podem ser corretamente identificados.

No entendimento de ABRAMCZUK (2009), existem três tipos de decisão, que

são:
a) Sequencial – sob condições de incerteza não nula, essa decisão é consequência
de resultados de uma tomada de decisão anterior, e, dentre possíveis ações, o
decisor deve escolher a melhor opção.
b) Única – ao contrário da sequencial, seu propósito é orientar e determinar um
curso de ação único; porém não impõe a necessidade de outras decisões
posteriores, a não ser que o objetivo do decisor seja levar a ação escolhida
avante, sem nenhuma interrupção.
c) Racional – neste tipo de decisão, o decisor justifica sua escolha com argumentos
baseados em seu conhecimento e critérios que, supostamente, fariam com que
outras pessoas tomassem, ou não, a mesma decisão.

2.2.3 - Tomada de decisão através dos sistemas de informação

Segundo GOMES e GOMES (2012), os sistemas de informação são os recursos

básicos para a decisão automatizada, pois permitem que todos os colaboradores
responsáveis pela empresa tenham acesso aos dados mais recentes a qualquer momento.
Tais informações, que a organização possui, devem estar, de preferência, integradas por

7
meio de computadores em rede. Embora todos os sistemas, por melhores que sejam,
estejam sujeitos a falhas, é possível tentar identificá-las e corrigi-las.
GOMES e GOMES (2012) afirmam que os sistemas de informação deverão ter a
seguinte filosofia:
a) Só serão eficazes se possibilitarem a execução rápida de algum trabalho com
qualidade e em tempo reduzido;
b) Deverão ser flexíveis para se adaptar às mudanças do ambiente;
c) Não deverão levar em consideração a personalidade do indivíduo, mas o
interesse da Organização; devem prever sempre procedimentos impessoais;
d) As informações deverão fluir da maneira mais rápida possível;
e) Deverão ser desenvolvidos com base em um objetivo válido e prioritário, e
originar-se de informações precisas e inquestionáveis.

2.3 - BUSSINESS INTELLIGENCE (BI)

Os sistemas de Business Intelligence (BI) combinam dados com ferramentas

analíticas, de forma a disponibilizar informação relevante para a tomada de decisão
(SANTOS e RAMOS, 2009). Isto significa que, para sobreviver no ambiente
empresarial dinâmico, é necessário que as organizações tenham informações de
negócios relevantes e oportunas para a tomada de decisão, DESHPANDEA et al.
(2016); e que estas não sejam baseadas em opiniões e intenções por parte dos gestores.
Dessa forma, faz-se necessário o uso dessas informações para a construção do
conhecimento, que abrange consciência e a compreensão de um conjunto de
informações e os modos como essas informações podem ser úteis, para apoiar uma
tarefa específica ou chegar-se a uma decisão, STAIR e REYNOLDS (2015).
Daí a importância dos conceitos da Gestão do Conhecimento, que se traduz
como a capacidade de gerenciar com eficiência, eficácia e efetividade, através de uma
abordagem sistemática, para que uma organização realize o gerenciamento de ativos
intelectuais e de outras informações, proporcionando à empresa uma vantagem
competitiva, BERGERON (2003). Sendo assim, os sistemas de BI concedem às
organizações conhecimento sobre seus negócios, contribuindo para que os gestores
optem pela decisão mais acertada, ANTONELLI (2009), e sigam um processo
sistematizado. A Figura 2.1 ilustra as várias fases de um projeto de BI, que parte do
início de sua implantação até seu encerramento.

8
 Figura 2.1 - Estrutura de BI.
Fonte: BEZERRA e SIEBRA (2015).

Business Intelligence (BI) é um termo ―guarda-chuva‖ que abrange arquiteturas,

ferramentas, bancos de dados, aplicações e metodologias, TURBAN et al. (2009). Além
disso, considera-se que é uma expressão livre de conteúdo, portanto, significa coisas
diferentes para pessoas diferentes. BARBIERI (2001) relata que o BI se dedica à
captura de dados, informações e conhecimentos, que permitam às empresas competirem
com maior eficiência em uma abordagem evolutiva de modelagem de dados, e a se
capacitarem a promover a estruturação de informações em depósitos retrospectivos e
históricos, permitindo sua modelagem por ferramentas analíticas. O autor reforça que
seu conceito é abrangente e envolve todos os recursos necessários para o processamento
e a disponibilização da informação ao usuário. Corroborando a opinião de Barbieri,
ROB e CORONEL (2011) caracterizam o BI como um termo utilizado para descrever
um conjunto amplo, coeso e integrado de ferramentas e processos, utilizados para
captar, coletar, integrar, armazenar e analisar dados para a geração e apresentação de

9
informações, que deem suporte à tomada de decisões de negócios, ou seja, como o
próprio nome diz, o BI trata da criação de inteligência organizacional.
O conceito de inteligência dos seres humanos permite a afirmação de que um
indivíduo é capacitado a utilizar todas as informações úteis adquiridas, gerando um
conhecimento que pode mudar comportamentos, executar tarefas com sucesso e se
adaptar a novas situações. De forma análoga, BI confere às empresas a capacidade de
acumular informação; adquirir conhecimento sobre clientes, concorrentes e operações
internas; e mudar o comportamento de tomada de decisão, a fim de alcançar maior
lucratividade e outras metas corporativas, LAUDON e LAUDON (2010). A Figura 2.2
ilustra as várias ferramentas e técnicas que podem ser incluídas em um sistema de BI e
também sua evolução.

Figura 2.2 - Evolução do BI.

Fonte: TURBAN et al. (2009).

A Metodologia Científica, mais do que uma disciplina, significa introduzir o

investigador no mundo dos procedimentos sistemáticos e racionais, base da formação,

10
tanto do estudioso quanto do profissional, pois ambos atuam, além da prática, no mundo
das ideias, LAKATOS e MARCONI (2003). O autor deverá descrever a classificação
quanto aos objetivos da pesquisa, a natureza da pesquisa, a escolha do objeto de estudo,
a técnica de coleta e a técnica de análise de dados. É importante salientar que é
necessário descrever a metodologia a se utilizar, isto é, detalhando de forma sistemática
não só a abordagem metodológica como os métodos e as técnicas para a coleta e a
análise de dados, CORREIA e MESQUITA (2014). Metodologia literalmente refere-se
ao estudo sistemático e lógico dos métodos empregados nas ciências, seus fundamentos,
sua validade e sua relação com as teorias científicas, OLIVEIRA (2011).
Entende-se como método o conjunto das atividades sistemáticas e racionais que,
com maior segurança e economia, permite alcançar o objetivo (conhecimentos válidos e
verdadeiros), traçando o caminho a ser seguido, detectando erros e auxiliando as
decisões do cientista, LAKATOS e MARCONI (2003). Em suma, trata-se do estudo,
com critérios metodológicos, das relações existentes entre causa e efeitos de um
fenômeno qualquer, no qual o estudioso se propõe a demonstrar a verdade dos fatos e
suas aplicações práticas. Partindo dessas definições, foi utilizada a metodologia Action
Research proposta por Baskerville.

11
 CAPÍTULO 3

MATERIAIS E MÉTODOS

3.1 - MATERIAIS

O Estudo de caso foi realizado em uma empresa multinacional do polo de duas

rodas, situada no Polo Industrial de Manaus, sendo a unidade fabril mais verticalizada
da empresa no mundo. Em suas instalações, acontece um complexo processo produtivo
que vai muito além da montagem de motocicletas e envolve o desenvolvimento de
diversos ferramentais e componentes que integram o produto final. Além de uma vasta
gama de motocicletas de 110 a 1000cc, na unidade – localizada em um terreno de 742
mil m², com 292 mil m² de área construída, com cerca de 9.000 colaboradores –,
também são produzidos quadriciclos, motores estacionários e motobomba. A empresa
possui mais de 50 anos de experiência nessa área.

3.2 - METODOLOGIA EXPERIMENTAL

De acordo com PRODANOY e FREITAS (2013), a metodologia de pesquisa

adotada neste trabalho será classificada nas seguintes categorias: classificação quanto à
natureza da pesquisa, quanto à escolha do objeto de estudo, quanto à técnica de coleta
de dados e quanto à técnica de análise de dados. A classificação escolhida em cada
categoria busca garantir conhecimento amplo sobre diferentes técnicas de solução de BI,
possibilitando a adaptação para tomadas de decisões no processo produtivo.
A metodologia de apoio multicritério à decisão, desenvolvida com o objetivo de
dar um tratamento específico às particularidades dos problemas de decisão multicritério,
utiliza uma forma abrangente de abordagem e tem sido cada vez mais utilizada,
mundialmente, na busca de soluções para problemas complexos. É uma metodologia
habitualmente empregada em problemas com múltiplos objetivos, com dados
imprecisos e nebulosos, e em situações que envolvem grupos com interesse distintos.
Diferentemente de uma análise em que busca a maximização ou a minimização de um
único parâmetro, como ocorre na pesquisa operacional tradicional, o apoio multicritério
à decisão possibilita caracterização mais ampla do problema em estudo. Para isso, os

12
critérios devem ser estabelecidos de forma que se identifique adequadamente as
diversas facetas envolvidas no problema, GOMES e GOMES (2014).

3.3 - ESPECIFICAÇÃO DO PROBLEMA DE PESQUISA

Segundo a classificação apresentada por OLIVEIRA (2011), a pesquisa

realizada possui abordagem qualitativa e quantitativa, apoiando-se em técnicas de coleta
de dados. A pesquisa é realizada em uma empresa do Polo de duas rodas em Manaus,
responsável pelo processo de fabricação e montagem, envolvendo em sua amostra o
setor relacionado a processos produtivos, mais especificamente, às atividades de chão
de fábrica, para tomadas de decisões. Nos próximos tópicos serão tratadas,
detalhadamente, cada uma destas categorias.

Figura 3.1 - Escopo do processo.

Conforme a Figura 3.1, o escopo do projeto envolve todo o processo de

gerenciamento, planejamento e controle de produção, desde o plano mestre de
planejamento e controle de produção à logística, manufatura e faturamento/expedição.

13
 Figura 3.2 - Fluxo atual.

Conforme a Figura 3.2, diversos sistemas, plataformas e controles paralelos

(planilhas) são utilizados para gerar os dados da Fábrica (Produção, Rejeição,
Eficiência, Inoperância, Estoques e Outros), o que torna o processo suscetível a erros e
falhas. A falta de padronização de relatórios e ferramentas de apoio para consolidação
das informações, gera um elevado esforço para o controle diário dos indicadores de
performance da fábrica, como ilustrado na figura acima, em que se identifica a seguinte
situação:
 Esforço de 5.610 Hrs/Mês, 30 pessoas envolvidas no processo de geração de 71
indicadores, com diversos tipos de controles para gestão e apresentação no CAP
do setorial.

14
 Figura 3.3 - Organograma dos apontamentos.

Na Figura 3.3, mostra-se o fluxo com os dashboards a serem desenvolvidos por

área de negócio, iniciando pelo apontamento do grupo de montagem, que contempla
todas as linhas de produção numa visualização por grupo; depois, mostra-se o
apontamento por produção das linhas de componentes internas da empresa HCA. O
apontamento por linha de montagem demonstra, por nível analítico linha a linha, o
planejamento realizado; no dashboard de apontamento setorial, pode-se analisar todos
os setores de produção pelo gráfico radar, mostrando qualquer divergência para uma
tomada de decisão mais rápida. Em segundo plano trouxemos os Apontamentos de
Inutilizado, Keppin-sha, Parada de Linha, Tempo Inoperante e Eficiência do Processo.

15
 CAPÍTULO 4

RESULTADOS E DISCUSSÃO

4.1 - CARACTERIZAÇÃO DO SISTEMA DE BUSINESS INTELLIGENCE - QLIK

VIEW

O Qlikview é uma solução completa de softwares de Business Intelligence, que

permite construir e implantar aplicações analíticas e funcionais de grande alcance e
potencialidade. As aplicações do Qlikview proporcionam, a diferentes tipos de usuários
finais, uma análise interativa da informação crítica de cada negócio, de uma maneira
extremamente intuitiva, produtiva e muito criativa

Figura 4.1 - Infraestrutura Qlik View.

Fonte: PORTFÓLIO QLIK VIEW (2020).

O Qlikview combina, em um só pacote, os três elementos fundamentais de que

necessita um sistema de Business Intelligence. São eles:
 Um rico ambiente de desenvolvimento, que possui as ferramentas de extração,
transformação e entrada de dados (ETL) totalmente integrados.

16
  Um poderoso motor analítico (AQL) – que permite organizar a informação de
formas ilimitadas e navegar pelos diferentes níveis (drilldown).
 Uma interface de usuário intuitiva e de fácil utilização – O Qlikview permite
extrair e selecionar informações de múltiplas fontes de dados; construir
aplicações analíticas e dinâmicas de grande alcance; e personalizar estas
aplicações, segundo as necessidades dos diferentes usuários, sejam eles usuários
básicos, avançados, remotos, habituais ou ocasionais.
As aplicações do Qlikview podem ser distribuídas em todas as áreas de uma
organização e em todos os seus diferentes níveis e departamentos. Os ambientes podem
ser concentrados na Web, totalmente distribuídos ou em combinação entre ambos os
entornos.
A solução Qlikview possibilita análises de informações off-line; não necessita da
utilização de Data Warehouse; e possui uma arquitetura orientada a objetos, podendo
realizar um número ilimitado de análises em uma mesma dimensão.
O Qlikview apresenta ainda uma caixa de ferramentas completa para construir
aplicações interativas de análise de dados, que compreendem funcionalidades como:
Painel de Controle Integrado, Indicadores Chave do Negócio (KPI), previsões,
simulações e criação de cenários virtuais (what-if).
As associações de dados são realizadas dinâmica e automaticamente, sem
necessidade de interferências por parte do desenvolvedor/usuário e, além disso,
comprime os dados carregados em até 85% do tamanho original.
A solução Qlikview não utiliza especificamente tecnologia OLAP ou
relacionadas (ROLAP, MOLAP, HOLAP), pois se baseia em uma tecnologia
semelhante, mas que possui um ambiente próprio de construção das cargas de dados
(ETL), sendo muito mais ágil, reduzindo o tempo de implementação e criação de
análises em mais de 50%, em se comparado às soluções OLAP.
Além disso, o Qlikview permite o tratamento dos dados carregados (Data
Cleasing), e o desenvolvimento de gráficos, tabelas, velocímetros integrados em uma
mesma análise, garantindo a proteção da fonte de dados originais.
No que se refere à volume de dados, o Qlikview roda em máquinas 64bits,
podendo processar um número de dados imenso, na faixa de 2 milhões de registros.
Por fim, a solução é simples e fácil de aprender, por isso atende usuários dos
mais diversos níveis de conhecimento técnico em informática, que podem ser totalmente

17
capacitados em poucas horas de treinamento, o que permite a rápida utilização da
ferramenta.
Adiante, explica-se as aplicações do Qlikview.
Qlikview Developer – destinado à criação desenvolvimento de aplicações de
análise, sem a imposição de qualquer limite ao usuário. Através deste módulo, poderão
ser gerados indicadores, gráficos e relatórios, com total autonomia para o
desenvolvedor. O módulo possibilita:
 Criação de links semânticos para navegação hierárquica dos dados;
 Restrição em acessos específicos de dados ou partes do layout;
 Mais de 150 funções para agregar, manipular e utilizar as informações de
diversas fontes;
 Acesso controlado às aplicações;
 Integração de várias fontes de dados em um script único.

Qlikview Publisher – módulo que realiza a distribuição de aplicações do

Qlikview, e permite sua administração eficaz, podendo equilibrar as necessidades do
negócio às necessidades de dados corporativos de cada usuário. Possibilita:
 Controle total da distribuição de aplicações;
 Automatização do processo de atualização de dados.

Qlikview Server – Módulo dedicado à centralização das aplicações analíticas

em um ponto, para distribuição e acesso de vários usuários, permitindo manter o
controle centralizado sobre os acessos e a segurança total do sistema. Possibilita:
 Acesso às aplicações Qlikview através da Web em toda a organização;
 Controle centralizado das aplicações, entrada de dados, acessos e segurança;
 Utilização da plataforma de servidores Web IIS da Microsoft Windows®, para
colocar aplicações à disposição dos usuários finais, através de Intranets
Corporativas, Extranets e internet;
 Acesso às aplicações publicadas em sua estrutura de diretórios;
 Trabalho com diversos usuários e diversas seções de documentos.

Qlikview Edition Name CAL – é módulo de análise de dados que pode

conectar-se às aplicações analíticas disponíveis em um Qlikview Server. Proporciona

18
aos usuários finais capacidades analíticas on-line e off-line, onde as informações podem
ser acessadas através de um ambiente Web. Possibilita:
 Três tipos de análise on-line num ambiente Web, utilizando um Thin Client
Microsoft® Windows®, um Plugin que se instala no Explorer ou um Javaapplet
baseado num navegador;
 Que os usuários definam e salvem seleções e consultas com a funcionalidade de
marcadores.
A versão cliente do Microsoft Windows está totalmente integrada com a
Microsoft Office®, incluindo a exportação direta dos resultados de análise ao Microsoft
Excel® para seu processamento posterior.
Ao contrário da maioria de pacotes de BI, o Qlikview não utiliza cubos OLAP.
No entanto, conta com todos os benefícios do BI de base OLAP em análise de dados,
apenas sem as limitações dos cubos.
As aplicações do Qlikview são desenvolvidas rapidamente, além de serem
facilmente modificadas e adaptadas às novas necessidades de análise de informações.
Esta vantagem possibilita que os usuários finais tenham liberdade total para desenvolver
suas análises, através de todas as dimensões dos dados.

4.2 - TECNOLOGIA BUSINESS INTELIGENCE

Segundo PHAN e VOGEL (2010), o uso de BI criou maneiras para as empresas

explorarem vastas potencialidades de relacionamento com o cliente, que nunca foram
exploradas antes. Com a crescente concorrência de empresas tradicionais e on-line,
manter os clientes satisfeitos, aumentando o potencial de vendas, e manter a fidelidade
dos clientes, torna-se de importância estratégica para o sucesso empresarial. Para
melhorar e explorar relacionamentos com clientes, o BI é utilizado para auxiliar e apoiar
à tomada de decisão; pesquisa de mercado e marketing; e atendimento e colaboração
dos clientes em produtos e serviços.
Os sistemas de informação ajudam a promover a inovação quando geram grande
volume de dados atuais, confiáveis, acessíveis e consistentes, que promovem agilidade,
comunicação e integração com outros sistemas, de forma que possam auxiliar nas
tomadas de decisão e na redução de custos, MORAES et al. (2014).

19
 Figura 4.2 - Tecnologias Business Intelligence.
Fonte: PORTFÓLIO QLIK VIEW (2020).

Conforme a Figura 4.2 ilustra, um conjunto de processos consiste na coleta, na

organização, na análise, no compartilhamento e no monitoramento de informações, para
melhorar a gestão de negócios. É um instrumento que se vale de dados para embasar a
tomada de decisão, o que repercute positivamente em tudo o que a empresa faz. Como
já era de se imaginar, tem tudo a ver com a tecnologia, que é torna o conceito possível
de ser aplicado, ou seja, conta com softwares bastante completos e dinâmicos, capazes
de gerar, agrupar, cruzar e comparar dados. São eles que decidem, por exemplo, para
onde a empresa vai a partir de agora.
REGINATO e NASCIMENTO (2007) ressaltam que a tecnologia da informação
flexibiliza e dinamiza os sistemas existentes; e auxilia na interação da informação entre
os usuários para realizar suas atividades. Portanto, as ferramentas de BI são utilizadas
na geração, no tratamento e na comunicação da informação, podendo fornecer uma
visão estratégica do negócio, com o objetivo de transformar grandes quantidades de
dados em informações de qualidade.
Para GRIGORI et al. (2004), o Business Process Intelligence (BPI) é um
conjunto de ferramentas que se baseia na aplicação de técnicas de inteligência de
negócios para processos.

20
 Business Intelligence é um mecanismo de análise que automatiza a tomada de
decisão a respeito do status de negócio, a análise de vendas, a procura dos clientes, a
preferências de produtos, etc. As empresas têm acesso ao BI através de análise do
sistema de banco de dados grande, bem como na matemática e na estatística, a
inteligência artificial faz a mineração de dados e o processamento da análise on-line
(OLAP) LIN et al. (2009).
O BI é constituído por um conjunto de técnicas e ferramentas, com o objetivo de
fornecer às empresas o apoio necessário para a tomada de decisão, MIKROYANNIDIS
e THEODOULIDIS (2010).
Em um estudo mais recente, POPOVIC e JAKLIC (2010) relataram que o
investimento em BI na América Latina está em ascensão. Este tipo de tecnologia tem
ficado restrita a grandes empresas. No entanto, a pesquisa aponta para um aumento da
sua utilização entre as pequenas e médias empresas. Um estudo realizado pelo Gartner
Group, GARTNER (2011) observou que muitas empresas usam BI, mas algumas ainda
falham em extrair os benefícios dessa tecnologia, havendo um longo caminho a
percorrer na construção de uma arquitetura, que lhes permitirá obter os melhores
resultados a partir deste tipo de solução (Figura 4.3).

Figura 4.3 - Arquitetura BI.

Fonte: CHAUDHURI, DAYAL, NARASAYY (2011).

21
 A tecnologia de BI tem como objetivo melhorar a qualidade da informação
entregue aos gestores, AFFELDT e JUNIOR (2013). Pode-se defini-la como uma
ferramenta de inteligência baseada na informação e no monitoramento do meio
ambiente, utilizando dados de várias fontes; ou como uma ferramenta tecnológica para
apoiar decisões de negócios de gestão nas organizações por meio de software, PETRINI
et al. (2004).
AFFELDT e JÚNIOR (2013) ressaltam em seus estudos uma pesquisa com
grandes empresas brasileiras realizada por PETRINI et al. (2004), onde foi possível
constatar que 73% das empresas estava usando BI por um pouco mais de três anos. Os
autores concluíram que a sua implementação, na época, foi mais baseada em objetivos
tecnológicos do que nas necessidades de informação. Isso levou a problemas no uso
inicial de tecnologia BI, seja no estabelecimento de necessidades de informação, seja na
definição de sua relevância para o negócio seja na identificação dos indicadores
necessários.
Em contrapartida, por falta de alinhamento estratégico, são criados projetos que
não refletem a real necessidade das organizações. Estes acabam enfrentando problemas,
desde a extração e gerenciamento dos dados até a qualificação das informações para
análise gerencial, TURBAN et al. (2009).
SEAH et al. (2010) sugerem que alguns fatores podem determinar o sucesso da
implementação do BI. Questões relacionadas à resistência dos funcionários a mudanças
foram identificadas como as principais causas de falha de implementação do sistema.
Isto é um fator relevante para as empresas chinesas, por exemplo, nas quais nuances
culturais, como o personalismo e particularismo servem como barreiras poderosas para
compartilhamento de inteligência. Além disso, pesquisas anteriores têm
consistentemente identificado liderança como o fator mais importante que afeta a
implementação de BI.
Considerando o anteriormente exposto, pode-se concluir que BI é um conjunto
de tecnologias, que permite a aquisição e a análise de dados para melhorar a tomada de
decisão e processos de trabalho. Este sistema não somente permite às empresas
armazenar, recuperar, modelar e analisar grandes quantidades de dados e informações,
mas também permite, estrategicamente, percepções dos clientes de alavancagem para
melhorar o desempenho e os resultados da organização.
Os principais objetivos do BI são, segundo TURBAN et al. (2009):
 Permitir o acesso interativo dos dados (às vezes, em tempo real);

22
  Proporcionar a manipulação desses dados, e fornecer a capacidade de realizar a
análise adequada aos gestores e analistas de negócio;
 Possibilitar aos tomadores de decisão, ao analisarem os dados, as situações e os
desempenhos históricos e atuais, conseguir valiosos insights, que podem servir
como base para decisões melhores e mais informadas.
O processo de implementação do BI torna-se um passo importante para o
sucesso de um projeto. Segundo ABURAKI (2003), são seis passos para uma
implantação bem-sucedida de BI:
1. Identificar as necessidades a serem endereçadas na solução de BI. As
necessidades devem ser relevantes aos objetivos e estratégias do negócio;
2. Identificar as fontes de dados já existentes na organização. As organizações já
têm uma infinidade de informações em bancos de dados, planilhas e arquivos.
Provavelmente, é necessário criar mais informações, mas é importante mapear
aquelas já existentes;
3. Extrair, transformar e carregar os dados para criar uma base multidimensional
orientada por assunto (ou fato). Este processo deve garantir que todas as
informações relevantes sejam contempladas consistentes;
4. Ajudar a organização a escolher a ferramenta de apresentação para visualizar e
analisar as informações resultantes da etapa anterior;
5. Criar relatórios padrões, permitir análises sob demanda e mineração de dados
(Data Mining), visando obtenção de insights sobre os indicadores chaves de
desempenho;
6. Planejar uma implantação de forma abrangente para toda corporação, de forma a
garantir que os tomadores de decisão tenham a informação adequada quando e
onde eles precisarem.
As principais ferramentas de BI incluem o processamento analítico online
(OLAP) e mineração de dados (Data Mining – DM, em português abreviatura MD).
A OLAP é uma ferramenta que suporta a análise multidimensional, permitindo
aos utilizadores visualizar os dados em grandes armazéns de dados, e em diferentes
dimensões, que as consultas de banco de dados normais não seriam capazes de fazer
mais rápido. A DM é a tecnologia que permite a busca através de grandes quantidades
de dados por padrões significativos do comportamento do consumidor, tais como:
comportamentos de comutação; padrões de fraude; análise de cesta de mercado; e
tendências de consumo, SEAH, HSIEH e WENG (2010).

23
 Para SILVA e RALHA (2011), ao lidar-se com grandes volumes de dados, a
utilização de técnicas de DM tem se mostrado de grande valia na obtenção de
informações e no processo de descoberta de conhecimento. Estas técnicas pertencem a
um ramo da Ciência da Computação conhecido como Descoberta de Conhecimento em
Base de Dados ou Knowledge Discovery in Database (KDD), a qual, associada à
subárea de Sistema Multiagente (SMA), tem se apresentado como abordagem útil no
processamento distribuído de grandes bases de dados, com uso de agentes de mineração
de dados. O SMA apresenta um grande potencial para o avanço BI, e para resolver
problemas complexos em um ambiente em mudança, BORRAJO et al. (2010).
A abordagem gerencial vê o BI como um processo em que os dados são
recolhidos de dentro e de fora da empresa, sendo depois integrados, a fim de gerar
informações relevantes para o processo de tomada de decisão. Um exemplo desta
aplicação é criar um ambiente informativo, em que os dados recolhidos a partir de
sistemas operacionais e transacionais, e de outras fontes, possa ser analisado, com o
intuito de revelar dimensões estratégicas de negócios, PETRINI e POZZEBON (2009).
A origem de inteligência de negócios (BI) pode ser rastreada até as primeiras
aplicações de processamento de dados. Atualmente, as organizações empresariais estão
se movendo em direção aos processos de tomada de decisão, que são baseados em
informações. O BI representa tecnologias e métodos, utilizados para se perseguir a
melhor estratégia no mercado. Os agentes de software são muitas vezes utilizados em
BI. A interação pode ser na forma de troca de mensagens, de negociação ou alterações
no ambiente. Para GRIGORI et al. (2004), o processo de inteligência de negócio
fornece vários recursos para a gestão da qualidade do processo, sendo eles:
 Análise – permite aos usuários analisar execuções do processo concluído, tanto
um negócio como uma perspectiva de TI.
 Previsão – pode derivar modelos de previsão e aplicar esses modelos de
processos em execução, para identificar, em particular, a possibilidade de
exceções e de comportamento indesejado.
 Monitoramento – pode monitorar e analisar, executando instâncias de processo,
além de informar o usuário sobre situações inusitadas ou indesejáveis. Os
usuários podem visualizar o estado de saúde do sistema, processos, serviços e
recursos. Além disso, eles podem definir situações críticas e de alertas, de modo
que o sistema pode notificá-las no meio de sua escolha, no caso de uma situação
tão crítica ocorrer.

24
  Controle – com base no monitoramento e previsão de processos, o sistema pode
interagir com os BPMS para evitar ou reduzir o impacto de degradações de
qualidade previstas e reais.
 Otimização: pode identificar áreas de melhorias nas definições de processos de
negócios e na atribuição de recursos e serviços para trabalhar as atividades.

Figura 4.4 - Modelo estrela completo do data Mart para o chão-de-fábrica.

De acordo com a Figura 4.4, o modelo estrela completo do Data Mart para o
chão de fábrica, possui diversos relacionamentos para uma consulta estruturada,
ganhando eficiência no processo de extração dos dados.

4.3 - INTELIGÊNCIA COMPETITIVA

A inteligência competitiva (IC) é um conjunto de métodos e técnicas utilizados

no tratamento da informação, com vistas à tomada de decisão. A IC é vista como uma
metodologia que permite o monitoramento informacional da ambiência, que quando

25
sistematizada e analisada, gera informações estratégicas para dar suporte aos gestores,
TARAPANOFF (2001).

Figura 4.5 - Ciclo da inteligência competitiva.

Acima, a Figura 4.5 explica as etapas do Ciclo da Inteligência Competitiva:

 Etapa 1 – Identificação das Necessidades
Identificar e compreender quais as necessidades da empresa em relação ao uso
de Inteligência Competitiva.

 Etapa 2 – Criação da Base de Conhecimento

Aqui define-se qual será a fonte das informações a serem coletadas e analisadas.

 Etapa 3 – Coleta
Neste terceiro momento do Ciclo, todos os dados considerados relevantes são
coletados. A intenção é atender às demandas identificadas na Etapa 1.

 Etapa 4 – Análise e Produção

Parte crucial do Ciclo, os dados coletados são transformados, de fato, em
Inteligência. Os dados passam a fazer sentido para a organização e os insights começam
a ser gerados.

26
Etapa 5 – Disseminação
Na etapa de disseminação, os produtos de IC (relatórios, boletins, blog posts,
vídeos, gráficos, etc.) são entregues aos tomadores de decisão ou partes interessadas.
Nesta etapa final, é necessário que a disseminação esteja adequada à realidade de cada
usuário final do produto.
Para QUEYRAS e QUONIAM (2006), a informação é a chave do
desenvolvimento da inteligência competitiva porque permite, com métodos e análise, a
criação de conhecimento. Com isso, propicia-se uma conexão entre a gestão da
informação, a gestão do conhecimento e a inteligência competitiva. Consequentemente,
isto implica na integração dos conceitos, das políticas, das práticas de inteligência
competitiva e da gestão do conhecimento nas organizações.
CUYVERS et al. (2008) ressalta em seu artigo, em concordância com alguns
autores (PORTER, 1980; GUYTON, 1962; FAIR, 1966; GRABOWSKI, 1987; GILAD,
1989) que a IC é o componente de Business Intelligence que visa ganhar vantagem
competitiva estratégica considerando informações sobre a concorrência, clientes,
fornecedores, tecnologias, ambientes e negócios em potencial. Assim, destaca que no
sentido mais amplo, a IC é o processo de redução de incertezas de decisões gerenciais.
A abordagem de inteligência competitiva volta-se à busca de contribuições dos
conteúdos em gestão de projetos, de informação, tecnológica e de pessoas. Em
princípio, o sistema de inteligência competitiva deve proporcionar meios para que a
informação chegue a tempo, de forma adequada e para a pessoa certa. O processo de
inteligência competitiva permite à organização identificar ameaças competitivas,
eliminar ou reduzir surpresas, reduzir o tempo de reação, e identificar oportunidades
latentes. Permite também, gerenciar clientes, antecipar necessidades e desejos dos
consumidores, monitorar as estratégias dos concorrentes, difundir as informações na
organização, preservar a vantagem competitiva e monitorar tecnologias em
desenvolvimento, GONÇALVES et al. (2007).
Com relação às etapas do sistema de inteligência competitiva, de acordo com
SANTOS (1999), dividem-se em:
a) Identificação das necessidades de informação;
b) Coleta das informações;
c) Análise das informações;
d) Disseminação; e,
e) Avaliação.

27
 Quanto à atividade de análise das informações, o sistema de inteligência
competitiva requer que se faça, previamente, a organização, a classificação, a indexação
e o resumo destas. Para isso, pode-se utilizar uma matriz de indicadores que permite
classificar e melhor visualizar um conjunto de informações, que serão periodicamente
monitoradas e retroalimentarão o sistema de inteligência competitiva, como suporte ao
processo decisório, o qual deverá também está alinhado aos objetivos estratégicos da
Instituição, SANTOS (1999).
CAPUANO et al. (2009) ressaltam os fatores de sucesso para a inteligência
competitiva, sendo eles:
 Aderência aos objetivos estratégicos organizacionais;
 Forte mudança cultural;
 Implementação de novos processos informais e formais;
 Uso da tecnologia de informação e comunicação;
 Governança bem articulada e estruturada;
 Envolvimento de profissionais altamente qualificados;
 Avaliação de resultados.

4.4 - TOMADA DE DECISÃO

A maneira como a informação é obtida, selecionada, organizada e interpretada,

através de um SI, tornou-se um fator fundamental para apoiar à tomada de decisão, pois
permite ao gestor atuar com mais segurança, e aumentar a probabilidade de acertos no
processo de tomada de decisão.
Os sistemas de BI são utilizados pelas empresas para agilizar o processo de
tomada de decisão, disponibilizando informações oportunas e em tempo hábil aos
tomadores de decisão. Portanto, torna-se fundamental a utilização de sistemas aliados
aos objetivos estratégicos da empresa para auxiliar a tomada de decisão gerencial. Dessa
forma, precisa-se reconhecer que os sistemas de informações são necessários para todas
as organizações, e que as informações geradas suportam o ambiente para a tomada de
decisão dos gestores, FERNANDES et al. (2012).

28
 Figura 4.6 - Processo proposto de integração Business Intelligence.

Diversos sistemas, plataformas e controles paralelos (planilhas) são utilizados

para gerar os dados da Fábrica (Produção, Rejeição, Eficiência, Inoperância, Estoques e
Outros), o que torna o processo suscetível a erros e falhas.

Figura 4.7 - Padronização da ferramenta.

Padronizar os relatórios de gestão de manufatura, reduzindo o esforço para

preparação dos relatórios, centralizando as informações e eliminando as divergências
das informações extraídas entre as equipes.

29
 Méritos:
 Coleta de dados no chão de fábrica;
 Consulta de apontamento diário, por linha/turno;
 Prover relatórios de dados;
 Ferramenta de suporte ao gerenciamento do chão de fábrica e de apoio a decisão
para melhoria da qualidade;
 Informações rápidas, confiáveis e melhoria de eficiência;
 Elevação da qualidade das informações coletadas, que influenciará no histórico
de dados, bem como tomada de decisões;
 Redução de impressões (economia de papel e impressora);
 Cap do Diário e utilização no sistema SAP.
Coleta de dados no chão de fábrica, para apresentação de novos dashboards
referente ao(s) à(s): apontamento em tempo real de produção, paradas de linha, tempo
inoperante, rejeição interna, rejeição externa, inutilizado, eficiência e overview.

Figura 4.8 - Metas do projeto.

De acordo com a Figura 4.8, as metas do projeto são reduzir em 50% o esforço
com controle de indicadores industriais, propondo a diminuição de 5.610h para 2.805h.

30
 Figura 4.9 - Background do projeto.

Na Figura 4.9, tem-se o Background do projeto, que se inicia pelo sistema de

gestão de manufaturas, com o controle do processando de chão de fábrica, exportando
dados para o excel, gerando informações com gráficos e enviando e-mail aos
consolidadores e gestores.
Segundo GOMES, GOMES (2014), uma decisão precisa ser tomada sempre que
estamos diante de um problema, que possua mais de uma alternativa para a sua solução.
A teoria da decisão é definida como um conjunto de procedimentos e métodos de
análises, que procuram assegurar a coerência, a eficácia e a eficiência das decisões
tomadas em função das informações disponíveis, antevendo cenários possíveis.
Logo, é possível classificar as decisões de várias formas, tais como: simples ou
complexas e específicas ou estratégicas etc.
Os métodos de apoio ou auxílio multicritério à decisão têm por foco situações
em que há vários objetivos a serem alcançados de forma simultânea. Diferentemente de

31
uma análise, em que se busca a maximização ou minimização de um único resultado
(ex., custo operacional, lucro, bens produzidos), como ocorre na Pesquisa Operacional
tradicional, o apoio multicritério à decisão visa à uma solução de compromisso, onde
deve prevalecer o consenso entre as partes envolvidas (GOMES et al., 2011).

Figura 4.10 - Escopo do projeto.

De acordo com a Figura 4.10, o Escopo do projeto envolve todo o processo de

gerenciamento, planejamento e controle de Produção. O escopo da operação pode
iniciar pelo plano mestre do PCP ou Plano ASTEC, para a gestão da produção, e inclui:
 Lista de pendências;
 Plano x Real (estoque);
 Tempo inoperante;
 Rejeição interna/externa;
 Consultas diversas;

32
  FOG, Capdo, MD, Indicadores;
 Shukan Bumon;
 Planejamento Industrial;
 Controladoria;
 Cockpit de Gestão.
Na vida das organizações, inúmeros são os problemas complexos de decisão
enfrentados por seu corpo gerencial, tendo em vista que a maioria das situações reais é
caracterizada pela existência de vários objetivos ou ―desejos‖ a serem atingidos. Os
problemas econômicos, industriais, financeiros, políticos ou sociais enquadram-se nesse
enfoque. Quando a escolha de determinada alternativa de análise, a partir de diferentes
pontos de vista ou ―desejos‖, denominados critérios, o problema de decisão é
considerado um problema multicritério (GOMES e GOMES, 2014).
Para COLMENERO-FERREIRA e OLIVEIRA (2012) o volume excessivo e a
sobrecarga de dados e informações, muitas das vezes, prejudicam o processo de tomada
de decisão. Portanto, faz-se necessária uma seleção eficaz de dados, a serem
transformados em informações, que possam contribuir efetivamente para o processo de
tomada de decisão.
Diante desse cenário, torna-se essencial a existência de uma metodologia de
apoio à tomada de decisão. Essa metodologia deve ser baseada, acima de tudo, no bom
senso, na experiência e em técnicas de cálculos elementares, de forma que retrate
situações complexas, pelo uso de modelos que permitam uma melhor compreensão da
realidade, GOMES e GOMES (2014).
MACCARI e SAUIAIA (2006) ressalta que a velocidade e a confiabilidade de
se poder lidar comum maior número de informações, num espaço limitado de tempo,
são decisivas para melhor desempenho das empresas. Nesse sentido, destaca, como um
dos fatores mais importantes no processo de tomada de decisão, a qualidade das
informações, que devem ser confiáveis, comparativas, processadas em tempo hábil e no
nível de detalhamento desejado, pois o valor da qualidade da informação está
relacionado à probabilidade de sucesso na tomada de decisão.

33
4.5 - IMPLEMENTAÇÃO E RESULTADO

Monitoramento do apontamento do Grupo Montagem.

Figura 4.11 - Dashboard dos apontamentos, rejeição e divisão de peças.

Analisando o gráfico da Figura 4.11, referente aos apontamentos de produção,

verifica-se o registro de todas as etapas pelas quais um item percorre, dentro de sua
linha de trabalho no interior da fábrica, ou seja, do início ao fim do fluxo produtivo.
Esse item é monitorado com a utilização dos mais diversos índices e métricas, o que
contribui para o surgimento de ocorrências, em geral, as indesejadas, gerando assim
insights positivos para tomada de decisão e mudanças de rumo dentro de um tempo
hábil.
Entre os principais insights, podemos destacar os seguintes:
 Agilidade no diagnóstico de problemas na produção e, a consequente rapidez na
solução do imprevisto;
 Conhecimento pleno do que está acontecendo na produção;

34
  Avaliação de toda a produtividade — coletiva e individual, permitindo um
controle maior de métricas ainda mais variadas;
 Rastreabilidade facilitada dos produtos e lotes confeccionados;
 Controle de estoques produtivo eficaz.
A análise gráfica do índice de apontamento mostrou o processo de apontamento
por Linhas de montagem final por grupo, demonstrando os valores da Power Train,
Grupo Fabricação, HCA (Componentes) e Montagem final. Mostrou também o resumo
de fechamento mensal da fábrica do Plano PCP x Realizado mês a mês, como o
acompanhamento diário do plano PCP x Realizado e da ASTEC (Divisão de peças para
assistência técnica. Por fim, mostrou a rejeição diária realizada.

Monitoramento HCA – Produção de Componentes internos.

Figura 4.12 - Dashboard monitoramento HCA – Intercia.

Analisando o gráfico da Figura 4.12, referente aos apontamentos de produção de

componentes da HCA, verifica-se o registro de todas as etapas pelas quais um item

35
percorre dentro de sua linha de trabalho na fábrica de componentes, ou seja, do início ao
fim do fluxo produtivo, esse item é monitorado com a utilização dos mais diversos
índices e métricas, o que contribui para o surgimento de ocorrências em geral, as
indesejadas, gerando assim insights positivos para tomada de decisão e mudanças de
rumo dentro de um tempo hábil; pois a produção de componentes afeta diretamente o
processo produtivo de Montagem do produto final.
A análise gráfica do índice de apontamento mostrou o processo de apontamento
por Linhas de fabricação de componentes final por grupo, demonstrando os valores
resumido de Linhas de fabricação, fechamento mensal da fábrica do Plano PCP x
Realizado mês a mês, como o acompanhamento diário do plano PCP x Realizado. Por
último, mostrou a rejeição diária realizada.

Monitoramento Inutilizado.

Figura 4.13 - Dashboard indicador inutilizado.

36
 A análise do gráfico da Figura 4.13, de Dashboard de apontamento do
inutilizado, permite-se ver tudo que foi inutilizado durante o processo produtivo, por
linha de produção; pode-se verificar que, com o acompanhamento do gráfico, obteve-se
uma redução do inutilizado em cada processo, podendo ter uma análise rápida de todos
os setores envolvidos na cadeia de produção.

Monitoramento Indicador de Eficiência.

Figura 4.14 - Dashboard indicador eficiência.

Analisando o gráfico da Figura 4.14, do Indicador de eficiência, é possível

mensurar a eficiência das máquinas e equipamentos do processo produtivo, a fim de
detectar desperdícios de recursos, que reduzirão a produtividade.
Entre os principais fatores analisados, tem-se:

37
  A Qualidade – equipamentos em perfeito estado;
 A Produtividade – quanto cada máquina tem conseguido produzir;
 A Disponibilidade – tempo dedicado à produção.

Monitor Indicador de eficiência do grupo montagem.

Figura 4.15 - Dashboard indicador de eficiência do grupo montagem.

O gráfico da Figura 4.15 expressa o indicador de Eficiência do grupo de

montagem. Esse indicador multidimensional é um multiplicador de disponibilidade x
desempenho x qualidade, sendo usado para indicar a eficácia geral dos processos de
Motos, Pessoas, Mês e dia da operação produtiva.
A análise do gráfico demonstra um aumento no processo de eficiência de motos;
e uma estabilidade nos dados referente a pessoas. Quando se avalia hora extra, observa-
se alguns picos de horas extras e uma estabilidade na eficiência do processo.

38
 Monitor Indicador Linha de montagem.

Figura 4.16 - Dashboard acompanhamento linha de montagem.

Observando o gráfico da Figura 4.16, referente aos apontamentos de produção

da linha de montagem, vê-se o registro de todas as etapas pelas quais um item percorre
dentro de sua linha de trabalho no interior da fábrica, ou seja, do início ao fim do fluxo
produtivo; esse item é monitorado através dos mais diversos índices e métricas,
contribuindo para o surgimento de ocorrências, em geral, as indesejadas, gerando assim
insights positivos para tomada de decisão e mudanças de rumo dentro de um tempo
hábil.
A análise gráfica do índice de apontamento mostrou o processo de apontamento
por Linhas de montagem final por linha de produção; o resumo de fechamento mensal
da fábrica do Plano PCP x Realizado mês a mês, bem como o acompanhamento diário
do plano PCP x Realizado e da ASTEC (Divisão de peças para assistência técnica. Por
fim, mostrou a rejeição diária realizada.

39
 Monitor indicador de Parada de Linha.

Figura 4.17 - Dashboard indicador de parada de linha.

No gráfico da Figura 4.17 - Dashboard Parada de Linha, foi expresso o tempo

(minutos) em que a linha de montagem da montadora ficou parada por falta de peças e
componentes, decorrente de atraso de entrega pelo fornecedor interno ou externo.
A análise do gráfico mostra parada de linha elevada no processo de Montagem,
sendo que 72% das ocorrências foram por responsabilidade do setor de manutenção.
Quando analisadas separadamente as linhas de montagem 1 e 2, verificou-se que a linha
de montagem 1 teve frequentes paradas no decorrer dos dias, enquanto a linha de
montagem 2 teve apenas um dia de pico, mostrando-se bem estável. Também seja dito
que quando observado o processo de sub-montagem, a linha 1 tem uma alta em suas
paradas durante o processo, enquanto a linha 2 teve apenas um dia de pico no processo
de sub-montagem. No mesmo gráfico é possível analisarmos os dados dos setores de
fabricação, gerando assim insights positivos para tomada de decisão e mudanças de
rumo, em tempo hábil.

40
 Monitor indicador de Keppin-sha.

Figura 4.18 - Dashboard indicador Keppin-sha.

Analisando o gráfico da Figura 4.18 - Dashboard indicador de Keppin-sha,

conclui-se tratar de indicador que mede a quantidade de motos que foram semi-
montadas, não concluídas, devido à falta de abastecimento por parte dos fornecedores,
gerando retrabalho no processo de montagem ou fabricação. A análise do gráfico mostra
os dados do setor de fábrica de montagem, suas subdivisões: montagem 1 e 2; sub-
montagem 1 e 2; montagem de motor 1 e 2; montagem de componentes 1,2,3 e 4; e
Linha de montagem 1,2,3 e 4. No gráfico, restou demonstrada uma alta somente no
processo da fábrica de montagem e sub-montagem 2, gerando assim insights positivos
para tomada de decisão e mudanças de rumo, dentro de um tempo hábil.

41
 Monitor Indicador de Rejeição.

Figura 4.19 - Dashboard rejeição interna.

Estudando o gráfico da Figura 4.19 - Dashboard Rejeição, que é um indicador de

desempenho da qualidade no processo produtivo, pode-se detectar rapidamente não-
conformidades (entregas fora do padrão) ou desvios no processo. Tais dados são obtidos
pela relação do número de saídas totais com as saídas sem desvios ou defeitos, ou seja,
é a porcentagem de unidades que são rejeitadas, durante determinado período de tempo
ou lote. A análise gráfica do índice de rejeição mostrou que o processo não estava
estável, tendo várias oscilações durante o ano.

42
 Monitor Indicador Tempo Inoperante.

Figura 4.20 - Dashboard tempo inoperante.

A análise do gráfico da Figura 4.9, denominado Dashboard de Tempo

inoperante, é possível analisar o período inoperante por linha de produção. Percebe-se
que houve uma redução do tempo inoperante, após realizar-se um acompanhamento
mais preciso e dentro de um tempo hábil, gerando, assim, diversos planos de ações com
limites ao reprocesso.

43
 Monitor Indicador Planejado x Realizado Setorial.

Figura 4.21 - Dashboard análise de produção setorial.

Pesquisando o gráfico da Figura 4.21, referente aos apontamentos de produção

setorial, nota-se o registro do PCP referente à porcentagem do planejado x realizado por
setor de fabricação, dentro de sua linha de trabalho no interior da fábrica. Esse item é
monitorado através dos mais diversos índices e métricas, contribuindo para o
surgimento de ocorrências, em geral, as indesejadas, criando assim insights positivos
para tomada de decisão e mudanças de rumo, dentro de um tempo hábil, principalmente
ao planejamento do Plano de Montagem do grupo.
Da análise do gráfico é possível observar que o setor de fabricação de tubos teve
uma um apontamento de 25% do Planejado x realizado, podendo gerar impacto no
processo de montagem do grupo.

44
 CAPÍTULO 5

CONCLUSÕES E SUGESTÕES

5.1 - CONCLUSÕES

Esta dissertação destaca a importância do Business Intelligence para empresas

que buscam diferenciais e vantagens competitivas, e que realmente contribuam na
gestão corporativa voltada ao chão de fábrica. Assim, é possível aprimorar os processos
industriais e encontrar novos horizontes, por meio das informações que esta ferramenta
pode oferecer para a tomada de decisões.
O chão-de-fábrica gera uma grande quantidade de dados no seu dia-a-dia,
porém, eles, em grande parte das empresas, ficam espalhados em diversos bancos de
dados operacionais ou em relatórios impressos, o que dificulta tano sua recuperação
histórica, quanto a obtenção de informações a partir deles.
Exemplificando o acima afirmado, imagine uma empresa que produza 1000
peças/hora distribuídas em 10 tipos de produtos diferentes; realize inspeções em 10
células com 5 postos de inspeção cada; trabalhe em 2 turnos de 8 horas; e atinja uma
rejeição interna de 1000 PPM. Ela produzirá em torno de 7056 registros por mês no
chão-de-fábrica, conforme se demonstra abaixo:
 Medições = 1 (medição) X 10 (células) X 5 (postos) X 2 (turnos) = 100;
 Qualidade = 1000 (pç/h) X 16 (horas por dia) X 1000 PPM = 16;
 Desempenho = 10 (células) X 2 (turnos) X 10 (produtos) = 200;
 Eventos = 1 (evento significativo) X 10 (células) X 2 (turnos) = 20;
 Total de registros por dia = 336;
 Total no mês (21 dias úteis) = 7056.
Com esse volume de dados, fica muito difícil para o gestor obter informações
relevantes e em tempo hábil para tomar uma decisão estratégica, exceto se dispuser de
uma ferramenta que sistematize e organize a recuperação dos dados. É justamente para
este foco que está voltado este artigo, que propõe a construção de um sistema de BI no
chão-de-fábrica, para administrar seus dados e gerar informação.
A relevância deste trabalho reside no fato de que nele são reunidas informações
capazes de convencer gestores de que, o BI é um recurso que pode ser utilizado para

45
alavancar o crescimento de uma empresa e monitorar o mercado, numa economia cada
vez mais competitiva; principalmente em momentos de crise econômica, pois detalhes
fazem a diferença entre indicadores de desempenho mais precisos e em tempo hábil.

46
 REFERÊNCIAS BIBLIOGRÁFICAS

ABRAMCZUK, A. A. A Prática da Tomada de Decisão. São Paulo. Atlas, 2009

AVISON, D. E.; CUTHBERTSON, C. H.; POWELL, P. The paradox of information

systems: strategic value and lowstatus. Journal of Strategic Information Systems, v.
8, n. 4, p. 419-445, 1999.

BARBIERI, C. BI – Business Intelligence: modelagem e tecnologia. Rio de Janeiro:

Axcel Books, 2001.

BÄCK, T. Adaptative business intelligence based on Evolution strategies: some

application examples of self-adaptative software. Information Sciences, v. 148, n. 1-4,
p. 113-121, may. 2002.

BERGERON, B. (2003). Essentials of knowledge management (Vol. 28). John Wiley

& Sons.

BISPO, C. A. F. Uma análise da nova geração de sistemas de apoio à decisão. 1998.

165 p. Dissertação (Mestrado em Engenharia de Produção) – Escola de Engenharia de
São Carlos, Universidade de São Paulo, São Carlos, 1998.

BISPO, C. A. F.; CAZARINI, E. W. A nova geração de sistemas de apoio à decisão. In:

ENEGEP, 18, 1998, Niterói, Rio de Janeiro, Brasil. Anais... Niterói: ABEPRO, 1998.

CARLSSON, C.; TURBAN, E. DSS: directions for the next decade. Decision Support
Systems, v. 33, n. 2, p. 105- 110, 2002.

CHOO, C. W. The Knowing Organization: How Organizations Use Information for

Construct Meaning, Create Knowledge and Make Decisions. Nova York: Oxford
Press, 1998.

COLAÇO, V. F. R. Procedimentos interacionais. Psicologia reflexão e crítica. v.17,

n.3, p. 333-340, 2004

COREY, M.; ABBEY, M.; ABRAMSON, I.; TAUB, B. Oracle 8i Data Warehouse. 1
ed. Rio de Janeiro: Campus, 2001. 817 p.

47
CORREIA, A. M. R.; MESQUITA, A. Mestrados e Doutoramentos. 2ª. ed. Porto:
Vida Econômica Editorial, 2014. 328 p.

FREITAS, H. et al. Informação e decisão: sistemas de apoio e seu impacto. Porto

Alegre: Ortiz, 1997.

GRAY, P.; WATSON, H. J. The new DSS: data warehouses, OLAP, MDD and
KDD. 1999. Disponível em:
<http://hsb.baylor.edu/ramsover/ais.ac.96/papers/graywats.htm>. Acesso em: 20 de
março de 2021.

GRIGORI, D.; CASATI, F.; CASTELLANOS, M.; DAYAL, U.; SAYAL, M.; SHAN,
M. C. Business Process Intelligence. Computers in Industry, v. 53, n. 3, p. 324-343,
2004.

GOMES, L. F. A. M.; GOMES, C. F. S. Tomada de decisão gerencial: enfoque

multicritério. 4. ed. São Paulo: Atlas, 2012.

HARDING, J. A.; YU, B. Information-centred enterprise design supported by a factory

data model and data warehousing. Computers in Industry, v. 40, n. 1, p. 23-36, 1999.

HEINRICHS, J. H.; LIM, J. S. Integrating web-based data mining tolls with business
models for knowledge management Decision Support Systems, v. 35, n. 1, p. 103-
112, 2003.

KUENG, P.; WETTSTEIN, T.; LIST, B. A holistic process performance analysis

through a performance data warehouse. In: AMERICAS CONFERENCE ON
INFORMATION SYSTEMS, 7, 2001, Boston, Massachusetts, USA. Proceedings…
Boston, 2001. p. 349-356.

LAUDON, K.; LAUDON, J. Sistemas de Informação Gerenciais. 9.ed. São Paulo:

Pearson, 2010. p.71-83; 153-160; 323-329.

MIKROYANNIDIS, A.; THEODOULIDIS, B. Ontology management and evolution

for business intelligence. International Journal of Information Management, v. 30,
2000, pp. 559–566.

PETRINI, M.; POZZEBON, M.; FREITAS, M. “Qual é o Papel da Inteligência de

Negócios (BI) nos Países em Desenvolvimento? Um Panorama das Empresas

48
Brasileiras‖, Curitiba: Anais do 28º Encontro da ANPAD – Associação Nacional dos
Programas de Pós-graduação em Administração, 2004.

PHAN, D. D.; VOGEL, D. R. A model of customer relationship management and

business intelligence systems for catalogue and online retailers. Information &
Management. Vol.47, Issue 2, March, p. 69–77. 2010.

POE, V.; KLAUER, P.; BROBST, S. Building a data warehouse for decision
support. 2 ed. Upper Saddle River - NJ: Prentice-Hall PTR, 1998. 285 p.

ROB, P.; CORONEL, C. Sistemas de Banco de Dados. 8. Ed. 2011.

SEAH, M.; HSIEH, M. H.; WENG, P. A case analysis of Savecom: The role of
indigenous leadership in implementing a business intelligence system. International
Journal of Information Management. Vol. 30, Issue 4, August 2010.

SHIM, J. P.; WARKENTIN, M.; COURTNEY, J.; POWER, D. J.; SHARDA, R.;
CARLSSON, C. Past, present, and future of decision support technology. Decision
Support System, v. 33, n. 2, p. 111-126, 2002.

SILVA, V. A. da; MENEZES, F. M. Dificuldade de implantação do sistema ERP no

PPCP: Estudo de caso de uma Metalúrgica. [s.d.]. Disponível em: . Acesso em: 05 de
maio de 2014.

SINGH, H. S. Data Warehouse. 1 ed. São Paulo: Macron Books, 2001. 406 p.

SHIMIZU, T. Decisão nas organizações: introdução aos problemas de decisão

encontrados nas organizações e nos sistemas de apoio à decisão. São Paulo: Atlas,
2001.

TAN, X.; YEN, D. C.; FANG, X. Web warehousing: web technology meets data
warehousing. Technology in Society, v. 25, n. 1, p.131-148, 2003.

TURBAN, E. Business Intelligence. Porto Alegre: Bookman, 2009.

ZANCUL, E.; ROZENFELD, H. Sistemas ERP. 1999. Disponível em:

<http://www.numa.org.br/conhecimentos/ERP_V2.html>. Acesso em: 16 de novembro
de 2000.

49