Projeto PCP Lean: inteligência analítica para sistema PCP Lean

• Processo: 22/12323-8
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de abril de 2023
• Data de Término da vigência: 31 de dezembro de 2023
• Área do conhecimento: Engenharias - Engenharia de Produção - Gerência de Produção
• Pesquisador responsável: Ricardo Renovato Nazareno
• Beneficiário: Ricardo Renovato Nazareno
• Empresa: Sistemas e-Lean Desenvolvimento de Sistemas Ltda
• CNAE: Atividades profissionais, científicas e técnicas não especificadas anteriormente
• Município: São Carlos
• Pesquisadores associados: Antonio Freitas Rentes
• Auxílio(s) vinculado(s): 24/07326-3 - Projeto PCP Lean: Inteligência Analítica para Sistema PCPLean, AP.PIPE
• Bolsa(s) vinculada(s): 23/03289-3 - Desenvolvimento da Experiência do Usuário na plataforma PCP Lean, BP.TT; 23/02278-8 - Projeto PCP Lean: Inteligência Analítica para Sistema PCP Lean, BP.TT
• Assunto(s): Aprendizado computacional Administração de estoques Controle da produção Planejamento da produção
• Palavra(s)-Chave do Pesquisador: Gestão de Estoques | Kanban Eletrônico | machine learning | PCP Lean | Sistemas Puxados | Planejamento e Controle da Produção

Resumo

O processo de Planejamento e Controle da Produção (PCP) e, consequentemente, dos estoques vem enfrentando desafios em todas as cadeias de suprimentos nos últimos tempos. Apesar dos avanços em sistema de gestão com a finalidade de auxiliar nesse processo, é evidente a ineficiência, em corporações de pequeno, médio e grande porte, relacionada a rupturas ou excessos de itens em estoque, causados tanto por fatores internos quanto externos à organização. Prova disso foi o colapso em 2021 na cadeia de suprimentos de microprocessadores para vários segmentos da indústria, comprometendo a retomada econômica das empresas de toda a cadeia após um ano de pandemia causada pelo COVID-19. Greve de caminhoneiros, mudanças em políticas alfandegárias ou governamentais, alterações climáticas, mudanças no comportamento dos concorrentes, guerras, dentre outros, também são exemplos de fatores externos que atuam como ofensores a um estoque balanceado, que possua um alto giro, baixo custo e que garanta sobretudo uma ótima performance de entrega. Sabe-se que as cadeias produtivas estão passando por um processo de transformação digital fortemente calçada na chamada quarta revolução industrial, tema que tem sido bastante destacado na indústria manufatureira nos últimos anos e que está pautado pela comunicação de máquina com máquina e na aplicação de tecnologias habilitadoras. Entre as tecnologias habilitadoras, o conceito de Big Data incluindo as técnicas baseadas em Inteligência Artificial, estão sendo desenvolvidas e implantadas em todo o mundo em uma variedade de aplicações, devido à sua capacidade superior para lidar com a relação complexa de entrada de dados e saída de informações. Nos cenários vivenciados há duas décadas pela empresa proponente deste projeto, que trabalha com a implantação do pensamento enxuto (Lean) em seus clientes, um dos mais bem-sucedidos sistemas de gestão de operações do mundo, percebem-se diversas dificuldades na operacionalização eficaz do sistema puxado de produção, que é uma das mais importantes ferramentas do Lean para o processo de planejamento e controle da produção e dos estoques. Destaca-se entre eles: processo de levantamento e compilação de dados oriundos de várias fontes de informações, e altamente dependente da intervenção humana; análises e dimensionamentos realizados em planilhas eletrônicas, com fórmulas complexas e com erros de difícil localização, sem nenhuma integração com os sistemas ERP, e sob o domínio de poucas pessoas (o conhecimento não está na estrutura da empresa, mas na cabeça das pessoas); tempo excessivo dispendido pelas equipes de planejamento no processo, que atualiza o planejamento em intervalos de tempo longe do ideal; e, consequentemente, baixa velocidade de resposta às mudanças na demanda, na capacidade produtiva, e nos tempos de ciclo e de reposição. Desta forma, este projeto propõe uma forma de automatizar as análises dos parâmetros de planejamento e controle da produção de um sistema de PCP através de técnicas de Machine Learning. A empresa eLean, proponente deste PIPE, já possui o sistema de PCP desenvolvido e em uso, atualmente em oito clientes, todavia, sem automatização de análise de dados. A base de dados desse sistema será utilizada para análise, desenvolvimento e validação do projeto aqui proposto, bem como a validação do modelo de negócio junto a esses clientes. (AU)