GUSTAVO TEIXEIRA PEREIRA

JACSON FERRAZ POLO

APLICAÇÃO DE BUSINESS INTELLIGENCE PARA AVALIAR A EFETIVIDADE

DE UM CENTRO DE TRABALHO EM UMA EMPRESA METAL MECÂNICA

Três de Maio
2021
 GUSTAVO TEIXEIRA PEREIRA
JACSON FERRAZ POLO

APLICAÇÃO DE BUSINESS INTELLIGENCE PARA AVALIAR A EFETIVIDADE

DE UM CENTRO DE TRABALHO EM UMA EMPRESA METAL MECÂNICA

Relatório do Trabalho de Conclusão

de Curso apresentado à Faculdade
Três de Maio - SETREM para obten-
ção do grau de Bacharel em Siste-
mas de Informação.

Orientador:
M.Sc. Tiago Luis Cesa Seibel

Três de Maio
2021
 RESUMO

Nos dias atuais, o processo de tomada de decisão nas organizações exige que
cada caso seja muito bem analisado para que não ocorram decisões equivoca-
das. Neste sentido, torna-se imprescindível o uso de alguma ferramenta disponível
no mercado que possa captar todos os dados da organização e posteriormente
transforma-los em informações claras e precisas. Sendo assim, o presente Traba-
lho de Conclusão de Curso, relata a situação da empresa Romar F. Mann e Cia
Ltda, esta do ramo metal mecânico, que fabrica peças para colheitadeiras agríco-
las. Na empresa, identificou-se uma carência de informações relativas aos pro-
cessos de produção, assim, o trabalho busca analisar a efetividade da empresa
no setor de usinagem por meio dos apontamentos realizados no ERP utilizado
pela empresa. A partir da análise foram elencados indicadores e criados dash-
boards que auxiliem os gestores nas tomadas de decisões. Como metodologia
para a realização deste trabalho, foi utilizado o método dedutivo, na qual foram
coletados dados no âmbito da empresa, e após a coleta destes dados, os mes-
mos foram transformados em informações para se chegar a uma conclusão. Além
disso, também foi utilizado a abordagem quali-quantitativa. A abordagem qualita-
tiva foi utilizada com o intuito de analisar os processos desenvolvidos no setor de
usinagem, para posteriormente poder sugerir propostas de melhorias. Já a abor-
dagem quantitativa se fez necessária para analisar os quantitativos da produção,
sejam eles os tempos de produção como as quantidades produzidas. Os procedi-
mentos necessários para a elaboração do trabalho foram o estudo de caso, na qual
foi analisado um setor específico dentro da organização em questão, a pesquisa
bibliográfica para o entendimento e posterior aplicação dos conceitos e a análise
e coleta dos dados. Como resultados obtidos, foi possível desenvolver dois dash-
boards, um de análise de efetividade e outro de análise de produção. Ao término
do desenvolvimento, conclui-se que alguns apontamentos feitos pelos colaborado-
res não são realizados corretamente, o que gera uma distorção na análise efetiva
dos tempos de produção. Com relação as quantidades, percebe-se que a quanti-
dade total estipulada na ordem de produção é sempre maior do que a fabricada, e
isto poderá ser adequado quando os gestores da organização tiverem em mãos os
dashboards, onde poderão analisar a real capacidade produtiva da empresa.
Palavras-Chave: Metal mecânica, Business Intelligence, Análise da Produção
.
 ABSTRACT

Nowadays, the decision-making process in organizations requires that each case is

very well analyzed so that wrong decisions do not occur. In this sense, it is essen-
tial to use some tool available on the market that can capture all the organization’s
data and later transform them into clear and precise information.Thus, this Course
Completion Paper reports the situation of the company Romar F. Mann e Cia Ltda,
in the metal mechanic branch, which manufactures parts for agricultural harvesters.
In the company, a lack of information related to production processes was identi-
fied, thus, the work seeks to analyze the company’s effectiveness in the machining
sector through the notes made in the ERP used by the company. From the analysis,
indicators were listed and dashboards were created to help managers in decision
making. As a methodology to carry out this work, the deductive method was used,
in which data were collected within the company, and after collecting these data,
they were transformed into information to reach a conclusion. In addition, the quali-
quantitative approach was also used. The qualitative approach was used in order to
analyze the processes developed in the machining sector, in order to later be able
to suggest proposals for improvements. The quantitative approach, on the other
hand, was necessary to analyze the production quantities, whether they are pro-
duction times or quantities produced. The necessary procedures for the elaboration
of the work were the case study, in which a specific sector within the organization
in question was analyzed, the bibliographical research for the understanding and
subsequent application of the concepts and the analysis and collection of data. As
a result, it was possible to develop two dashboards, one for effectiveness analysis
and the other for production analysis. At the end of development, it is concluded
that some notes made by employees are not performed correctly, which generates
a distortion in the effective analysis of production times. With respect to quantities,
it is clear that the total quantity stipulated in the production order is always greater
than that manufactured, and this may be appropriate when the organization’s ma-
nagers have the dashboards in hand, where they can analyze the real productive
capacity of the company.

Key Words: ‘, Mechanical metal, Production Analysis, Business Intelligence.

 LISTA DE FIGURAS

Figura 1: Investimentos Previstos x Realizados. . . . . . . . . . . . . . . . . . . . . . . . . . 16

Figura 2: Receita líquida total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Figura 3: Projeto de BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Figura 4: Data warehouse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Figura 5: Operação de Slice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Figura 6: Power BI. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Figura 7: Pentaho Data Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Figura 8: Exemplo de Relatório de Produção. . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Figura 9: Exemplo de Planilha de custo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Figura 10: Tabela mapa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Figura 11: Exemplo tabela de mapeamento de dados . . . . . . . . . . . . . . . . . . . . 80
Figura 12: Diagrama Entidade Relacionamento . . . . . . . . . . . . . . . . . . . . . . . . . 81
Figura 13: Tabela apontamentos de produção . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Figura 14: Tabela centro de trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Figura 15: Tabela de equipamentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Figura 16: Tabela de itens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Figura 17: Tabela de operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Figura 18: Tabela de processos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Figura 19: Tabela ordens de produção . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Figura 20: Carga de dados para dentro do Postgresql . . . . . . . . . . . . . . . . . . . . 88
Figura 21: Dashboard de produção . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
Figura 22: Quantidade fabricada por item. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
Figura 23: Quantidade fabricada por operador . . . . . . . . . . . . . . . . . . . . . . . . . . 92
Figura 24: Quantidade fabricada por marca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Figura 25: Quantidade fabricada por grupo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Figura 26: Tabela valor total por item. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Figura 27: Dashboard de efetividade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
Figura 28: Quantidade total por quantidade fabricada . . . . . . . . . . . . . . . . . . . . 97
Figura 29: Tempo previsto X realizado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
Figura 30: Produtividade por apontamento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
Figura 31: Apontamentos por operador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
 LISTA DE QUADROS

Quadro 1: Tipos de BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Quadro 2: Trabalhos relacionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Quadro 3: Orçamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
Quadro 4: Cronograma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
 LISTA DE SIGLAS

ABIMAQ Associação Brasileira da Indústria de Máquinas e Equipamentos

BD Banco de Dados
BI Business Intelligence
BSC Balanced Scorecard
CNC Comando Numérico Computadorizado
DW Data Warehouse
ERP Enterprise Resource Planning
ETL Extract, Transform, Load
FIERGS Federação e o Centro das Indústrias do Estado do Rio Grande
do Sul
IoT Internet of Things
KPI Key Performance Indicator
PCP Processo e Controle de Produção
PDI Pentaho Data Integration
PIB Produto Interno Bruto
POBI Processo orientado a Business Intelligence
SEBRAE Serviço Brasileiro de Apoio às Micro e Pequenas Empresas
SETREM Sociedade Educacional Três de Maio
SGBD Sistema Gerenciador de Banco de Dados
SIGs Sistemas de Informações Gerencias
TCC Trabalho de Conclusão de Curso
TM Três de Maio
 SUMÁRIO

INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.1 TEMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.1.1 Delimitação do Tema . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2 OBJETIVO GERAL . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.1 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3 JUSTIFICATIVA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4 PROBLEMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5 HIPÓTESES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6.1 Abordagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6.2 Procedimentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6.2.1 Validação das Hipóteses . . . . . . . . . . . . . . . . . . . . . . . . 21
1.6.3 Técnicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7 ORÇAMENTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.8 CRONOGRAMA DE ATIVIDADES . . . . . . . . . . . . . . . . . . . 23
2 FUNDAMENTAÇÃO TEÓRICA . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1 INDÚSTRIA METALÚRGICA . . . . . . . . . . . . . . . . . . . . . . 24
2.1.1 Usinagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.2 Manufatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2 SISTEMAS DE PRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . 26
2.3 SISTEMAS DE INFORMAÇÕES GERENCIAIS . . . . . . . . . . . . 27
2.4 BALANCED SCORECARD . . . . . . . . . . . . . . . . . . . . . . . 28
2.5 BUSINESS INTELLIGENCE . . . . . . . . . . . . . . . . . . . . . . 29
2.5.1 Etapas do Projeto de BI . . . . . . . . . . . . . . . . . . . . . . . . 30
2.5.2 ETL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.5.3 Data warehouse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.6 RECURSOS DE BI . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.6.1 Drill Down . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.6.2 Roll Up . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6.3 Slice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6.4 Dice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.7 POWER BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.8 PENTAHO DATA INTEGRATION . . . . . . . . . . . . . . . . . . . . 36
2.9 POSTEGRESSQL . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.10 TRABALHOS RELACIONADOS . . . . . . . . . . . . . . . . . . . . 38
2.10.1 The Research Application of Process-oriented Business Intelli-
gence in Manufacturing Industry . . . . . . . . . . . . . . . . . . 38
2.10.2 Implementação de um sistema e Business Intelligence para uma
empresa do ramo metalúrgico . . . . . . . . . . . . . . . . . . . . 39
2.10.3 Solução com Business Intelligence para apoio no planejamento
da produção: um case aplicando computação In-Memory com
SAP HANA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.10.4 Application of Business Intelligence Solutions from Microsoft
and IBM on Manufacturing Data . . . . . . . . . . . . . . . . . . . 44
2.10.5 The Operations Plan Management System of Metallurgical Mi-
ning Enterprise Based on Business Intelligence . . . . . . . . . 46
2.10.6 Application of Business Intelligence Solutions on Manufactu-
ring Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.10.7 The Manufacturing Blueprint Environment: Bringing Intelligence
into Manufacturing . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.10.8 Business Intelligence in Industry 4.0: State of the art and rese-
arch opportunities . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.10.9 Possibilities of Usage of Strategic Business Intelligence sys-
tems Based on Databases in Agile Manufacturing . . . . . . . . 54
2.10.10 Industrial intelligence - a business intelligence-based approach
to enhance manufacturing engineering in industrial companies 56
2.10.11 Business Intelligence: um estudo sobre a implantação em in-
dústrias de pequeno porte . . . . . . . . . . . . . . . . . . . . . . 58
2.10.12 Interações entre ferramentas de Business Intelligence e tecno-
logias da indústria 4.0 na gestão da cadeia de suprimentos . . 60
2.10.13 O processo de implantação de Business Intelligence para aná-
lise das informações de maneira ágil: o caso de um correspon-
dente bancário . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.10.14 Adaptabilidade do Business Intelligence no meio organizacio-
nal: uma abordagem multicasos . . . . . . . . . . . . . . . . . . . 65
2.10.15 Processo de implementação do Business Intelligence para su-
porte na tomada de decisões na área portuária de uma minera-
dora na cidade de São Luís - MA . . . . . . . . . . . . . . . . . . . 67
3 RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.1 A EMPRESA ROMAR MANN & CIA LTDA . . . . . . . . . . . . . . 72
3.2 CENÁRIO ATUAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.3 SOLUÇÃO PROPOSTA . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.4 DEFINIÇÃO DOS INDICADORES . . . . . . . . . . . . . . . . . . . 76
3.5 PROCESSO DE DESENVOLVIMENTO . . . . . . . . . . . . . . . . 78
3.6 DESENVOLVIMENTO DO ETL . . . . . . . . . . . . . . . . . . . . . 78
3.6.1 ETL - Extração de dados . . . . . . . . . . . . . . . . . . . . . . . 79
3.6.2 ETL - Transformação de dados . . . . . . . . . . . . . . . . . . . . 82
3.6.3 ETL - Carga de dados . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.7 APRESENTAÇÃO DOS RESULTADOS . . . . . . . . . . . . . . . . 89
3.7.1 Apresentação dos Dashboards desenvolvidos . . . . . . . . . . 89
3.7.1.1 Dashboard de produção . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.7.1.2 Dashboard de efetividade . . . . . . . . . . . . . . . . . . . . . . . . 95
3.8 CONSIDERAÇÕES FINAIS . . . . . . . . . . . . . . . . . . . . . . . 100
CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
APÊNDICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
 INTRODUÇÃO

A indústria metalomecânica possui uma elevada participação ativa na eco-

nomia do Brasil como para o Rio Grande do Sul, as quais se caracterizam pelos
constantes investimentos e também pela taxa de empregabilidade. Segundo uma
matéria publicada pelo SEBRAE (2020), dados divulgados pela FIERGS, no estado
do Rio Grande do Sul, 15,5% do PIB provém da produção de veículos automotores,
máquinas e equipamentos, justificando-se assim, a importância deste setor tanto
para a economia local como para o país como um todo.

Tendo em vista estes fatores, sabe-se que cada vez mais é necessário o
emprego da tecnologia, seja para buscar melhor qualidade de vida no trabalho ou
para buscar uma melhor administração do resultados com dados mais precisos e
que auxiliem nas tomadas de decisões diárias, visando obter uma maior vantagem
competitiva.

Neste sentido, o emprego de uma ferramenta de ERP (Enterprise Re-

source Planning) visa agilizar e automatizar os processos, possibilitando a integra-
ção de todos os setores da organização, alocando dados, recursos e processos.

Sendo assim, a combinação de uma ferramenta de ERP com uma ferra-

menta de BI, possibilita aos gestores da organização gerar relatórios e gráficos de
acordo com cada necessidade específica, normalmente realizada com base nos
indicadores definidos no planejamento estratégico da mesma.

Portanto, o trabalho proposto busca coletar as informações do planeja-

mento de produção e os dados informados após o término da produção dos itens
 13

do setor de usinagem da empresa. Após a coleta, estes dados serão tratados,

e, posteriormente será utilizado uma ferramenta de Business Intelligence visando
analisar a efetividade de produção.

Para isso serão definidos indicadores que estarão diretamente ligados ao

tempo e custo de produção, na qual, após os resultados serem analisados, serão
propostas melhorias e adequações nos processos que estiverem apresentando
algum problema, bem como disponibilizar de forma mais atrativa e interativa os
gráficos destes indicadores, buscando entregar para os gestores um maior controle
sobre os dados de produção.

O presente trabalho está organizado em três capítulos, o capítulo um ex-

põe o tema, objetivos, justificativa, problema da pesquisa, hipóteses, metodologia
utilizada, cronograma e orçamento.

Por sua vez, o capítulo dois apresenta o referencial teórico das áreas que
serão objeto de estudo e que compõe o corpo de conhecimento para a elaboração
deste trabalho.

Por fim, no capítulo três serão apresentados e discutidos a situação atual

da organização, os indicadores utilizados para a elaboração do trabalho e os resul-
tados obtidos.
1 METODOLOGIA

No presente capítulo serão apresentados os recursos responsáveis por for-

mar o caminho metodológico do presente trabalho, entre eles estão: os objetivos, a
metodologia, o problema, a justificativa, as hipóteses e os demais itens que fazem
parte deste trabalho.

1.1 TEMA

Aplicação de Business Intelligence para avaliar a efetividade de um centro

de trabalho em uma empresa metal mecânica.

1.1.1 Delimitação do Tema

Aplicação de uma ferramenta de Business Intelligence nos dados do setor

de usinagem de uma empresa do ramo metal mecânico, localizada na cidade de
Independência - RS, com o intuito de avaliar a sua efetividade, ou seja, confrontar
o tempo de produção de determinado item de acordo com o que foi previamente
estimado no planejamento de produção. Os indicadores obtidos por meio da fer-
ramenta de BI poderão identificar fatores de melhoria no processo de produção
abordado no presente trabalho.

Este trabalho será realizado no período de agosto de 2020 a julho de 2021,

pelos acadêmicos Gustavo Teixeira Pereira e Jacson Ferraz Polo, do nono semestre
do curso de Bacharelado em Sistemas de Informação da SETREM, como Trabalho
de Conclusão de Curso envolvendo as áreas especificas de Business Intelligence,
Sistemas de Informação aplicado a produção e Banco de Dados.
 15

1.2 OBJETIVO GERAL

Como objetivo geral, este trabalho busca analisar a efetividade de produ-

ção no setor de usinagem de uma empresa do ramo metal mecânico utilizando-se
de uma ferramenta de Business Intelligence.

1.2.1 Objetivos Específicos

1. Criar um conjunto de dados (Dataset) com os dados do processo de produ-

ção.

2. Criar indicadores que permitem avaliar o custo e o tempo de produção do

setor de usinagem.

3. Utilizar a ferramenta Power BI Desktop no desenvolvimento de visões e Dash-

boards que auxilie na análise das informações coletadas.

4. Comparar o tempo de produção estimado com o tempo real de produção.

5. Identificar possíveis gargalos no processo de produção.

6. Sugerir melhorias no processo de produção.

7. Documentar e apresentar os resultados.

1.3 JUSTIFICATIVA

As indústrias metais mecânicas assumem uma forte presença na economia

da região sul do país. Isto se dá devido ao fato de que as indústrias do ramo metal
mecânico possuem a capacidade de transformar recursos e matérias-primas em
produtos que podem ser utilizados nos mais variados nichos do mercado.

Conforme uma pesquisa apresentada pela Associação Brasileira da In-

dústria de Máquinas e Equipamentos ABIMAQ (2019), as indústrias anualmente
possuem um forte investimento, seja para modernização e tecnologia, ampliação
da capacidade industrial ou aquisições de novos equipamentos e máquinas para
substituir os itens depreciados. Os dados da pesquisa mostram que o investimento
previsto para 2019 entre empresas de pequeno, médio e grande porte eram de R$
2.886.722,00 e o investimento realizado foi de R$ 3.756.573,00, tendo assim uma
 16

variação com relação ao investimento previsto e realizado de 30,1%. Para o ano de

2020, o investimento previsto é de R$ 4.615.449,00 e estipula-se que tenha uma
variação de 22,9% com base no ano de 2019. A Figura 1 apresenta o gráfico que
demonstra os investimentos previstos e realizados no ramo metal mecânico nos
últimos anos.
Figura 1: Investimentos Previstos x Realizados

Fonte: Retirado de ABIMAQ (2019)

Segundo dados da Associação Brasileira da Indústria de Máquinas e Equi-

pamentos ABIMAQ (2020) o ramo metal mecânico registrou 5 mil novas contrata-
ções, isto por sua vez faz com que este ramo conte com cerca de 300,7 mil traba-
lhadores empregados no mês de julho. Esse número representa uma redução de
2,6% de trabalhadores empregados comparado ao mesmo mês do ano passado,
isto se dá devido ao atual estado de pandemia em que a economia nacional se
encontra. Apesar do cenário de pandemia o ramo metal mecânico registrou uma
receita total líquida de R$ 12,5 bilhões, o que por sua vez representa um cresci-
mento 15% da receita do ramo este ano. Devido a esse resultado o setor começou
a apresentar estabilidade e consequentemente contribuiu para a diminuição da re-
tração econômica do ramo metal mecânico do ano de 2020. A Figura 2 demonstra
o gráfico que possuí o demonstrativo da receita liquida do ramo metal mecânico no
período de janeiro a julho dos últimos anos.
 17

Figura 2: Receita líquida total

Fonte: Retirado de ABIMAQ (2020)

A organização escolhida como objeto de estudo para o trabalho faz parte
do ramo metal mecânico, e tem sua produção voltada para a fabricação e venda
de itens paralelos de reposição para colheitadeiras agrícolas e atua fortemente
tanto no mercado nacional quanto no mercado internacional. Visando facilitar e
potencializar o trabalho do produtor rural, a organização busca fabricar e entregar
produtos de qualidade, para que, desta forma a organização consiga pôr em pratica
o seu principal negócio de atuação, que é a tecnologia aplicada para a agricultura.

A organização possui a sua estrutura de trabalho e produção dividida em

centros de trabalhos também conhecidos como setores. Os setores presentes na
organização são os seguintes: compras, vendas, expedição, usinagem, caldeiraria,
solda, peneiras, tempera, controle de qualidade, ferramentaria e pintura.

O setor de usinagem da organização, encontra-se atualmente subdividido

em 5 partes, sendo essas, a área de corte e armazenamento de barras, a área de
usinagem com tornos CNC, tornos de usinagem manual e convencional, os centros
de usinagem e pôr fim a área de controle de qualidade e conferência. Existem
atualmente 5 computadores instalados no setor de usinagem, esses computadores
possuem o software ERP da empresa rodando através do servidor próprio, e são
 18

utilizados para realizar o registro de produção do setor. Esse registro por sua vez,
ocorre toda vez que um colaborador realizar o apontamento de início ou término
de item a ser produzido.

O trabalho busca utilizar uma ferramenta de Business Intelligence para

criar indicadores de produção referentes aos tempos e custos de processo dos
itens produzidos pelo setor de usinagem, de forma que se torne possível realizar a
análise e posteriormente a validação dos valores estimados com os valores obtidos
por esses indicadores.

Os indicadores de custos e tempos escolhidos como objetos de estudo

para a realização deste trabalho, assumem grande importância para a organização,
visto que, os mesmos são os principais responsáveis por gerar o preço final de um
item de venda. Isto por sua vez, se dá devido ao fato de que o preço de um item
de venda é baseado em quanto o item custou para ser produzido, ou seja, o preço
final de venda de um item sempre leva em conta a somatória dos custos de matéria
prima e dos custos de processos e mão de obra utilizados para fabricar este item.

Visando contribuir na qualidade do negócio da organização este trabalho

assume um caráter de importância econômica para a mesma, visto, que esse
busca por meio da aplicação do BI realizar a análise de produtividade do setor
de usinagem, de forma que, se torne possível analisar o quão efetivo é o processo
de produção dos itens neste setor.

Para poder medir a efetividade do setor de usinagem, o trabalho irá utilizar

como principais fontes de dados os indicadores de produtividade atrelados aos
tempos e aos custos de produção dos itens. Para realizar a análise dos tempos de
produção serão utilizados como principal meio de coleta de dados os indicadores
de tempo previsto e tempo realizado. Bem como para realizar a análise dos custos
de produção serão utilizados os indicadores referentes aos itens, apontamentos e
operadores.

A realização do trabalho contribuirá de forma positiva para a organização

onde o mesmo será desenvolvido, pois, por meio deste, a empresa obterá um
conhecimento mais completo tanto dos seus processos como dos seus custos de
 19

produção.

1.4 PROBLEMA

Como uma ferramenta de Business Intelligence poderá auxiliar no pro-

cesso de produção no setor de usinagem de uma empresa do ramo metal me-
cânico?

1.5 HIPÓTESES

1. A aplicação de Business Intelligence identifica gargalos no processo de pro-

dução que atrasam a entrega do produto final na empresa objeto de estudo.

2. Com a aplicação de uma ferramenta de BI será possível propor melhorias que

adaptem a produção ao que foi previamente planejado pela empresa objeto
de estudo.

1.6 METODOLOGIA

Segundo Lovato (2013), os métodos são o caminho que levam até a meta,
ou seja, os métodos são os principais responsáveis por auxiliar e guiar o pesqui-
sador para que este consiga atingir os seus objetivos de pesquisa. Desta forma,
a metodologia por sua vez é a principal responsável por apresentar o conjunto de
métodos e técnicas utilizados para a realização de uma pesquisa. A seguir será
apresentada a metodologia utilizada para a realização do trabalho.

1.6.1 Abordagem

Segundo Marconi; Lakatos (2017), um método é o meio utilizado para se

chegar a um determinado resultado. Nele serão descritos os procedimentos utiliza-
dos para alcançar o propósito final do trabalho, para que este tenha uma validação
científica por interposto da validação das hipóteses.

Neste trabalho foi utilizado o método dedutivo, que consistirá na análise

dos dados obtidos por meio da implementação de BI no setor de usinagem de uma
empresa do ramo metal mecânico.

De acordo com Lovato (2013), os métodos de abordagem podem assumir

 20

diferentes caráter de atuação. Entre os métodos de abordagem mais conhecidos

estão a abordagem quantitativa e a abordagem qualitativa. A abordagem quantita-
tiva é aquela que tem como principal foco alcançar resultados através da coleta e
análise de dados numéricos. Já a abordagem qualitativa é aquela que faz a utiliza-
ção de conceitos e dados abstratos para alcançar os seus objetivos de pesquisa.

Para a realização do presente trabalho foram utilizadas tanto a abordagem

quantitativa quanto a abordagem qualitativa. A abordagem quantitativa foi utilizada
por meio da coleta, análise e comparação de dados obtidos através dos indicadores
de custos e tempos aplicados ao setor de usinagem da empresa objeto de estudo.
Desta forma, este tipo de abordagem se justifica devido a necessidade que surge
em realizar a comparação de valores numéricos.

A abordagem qualitativa por sua vez, foi aplicada neste trabalho através da
análise e sugestão de melhoria dos processos utilizados pela empresa para realizar
a produção dos seus itens, desta forma, a utilização desta abordagem se justifica
devido a necessidade de se analisar e posteriormente se sugerir mudanças que
poderão impactar diretamente na qualidade do fluxo de processos utilizados pela
empresa objeto de estudo.

1.6.2 Procedimentos

Os métodos de procedimentos definem como o pesquisador irá coletar os

dados para a elaboração da pesquisa. Para Lovato (2013), os métodos de procedi-
mentos são as bases para a estruturação da pesquisa. Nesta etapa, o pesquisador
deve tomar cuidado na escolha do método a ser utilizado para não comprometer a
pesquisa.

O método utilizado neste trabalho foi o estudo de caso. Este consiste na

observação de um objeto de estudo para o levantamento de informações especí-
ficas a cerca do que ainda não se tem conhecimento. Este método foi utilizado
como base para realizar o levantamento e coleta dos dados do setor de usinagem
da empresa em questão para posteriormente fazer o tratamento destes dados e
realizar a aplicação de uma ferramenta de BI para analisar os dados. (MARCONI
e LAKATOS, 2017)
 21

Além do estudo de caso, o trabalho também contou com a pesquisa bi-

bliográfica e com a coleta e análise de dados. De acordo com Lovato (2013), a
pesquisa bibliográfica é o método que consiste em buscar conhecimentos sobre
trabalhos realizados na área do assunto no qual se deseja obter mais conheci-
mento.

Ainda segundo Lovato (2013), a pesquisa bibliográfica é subdividida em

três etapas, sendo essas: a busca por fontes bibliográficas, o estudo das fontes
bibliográficas obtidas e por fim realizar a escrita do embasamento teórico baseado
na pesquisa bibliográfica realizada.

Na concepção de Marconi; Lakatos (2018), a pesquisa bibliográfica con-

siste em uma junção dos mais importantes trabalhos já realizados na área em que
o pesquisador está buscando conhecimento. Estes trabalhos são considerados
importantes pois, os mesmos são capazes de fornecer informações que serão de
grande utilidade para que o pesquisador consiga desenvolver a sua pesquisa e
atingir seus objetivos.

A coleta e análise de dados de acordo com Lovato (2013), são métodos de

procedimento que merecem atenção especiais ao serem executados, pois a coleta
de dados é um método complexo, visto que a mesma pode demandar em anos de
pesquisa para que o pesquisador consiga obter os dados desejados.

A coleta de dados pode se dar por duas diferentes dimensões, sendo es-
sas a observação e a mensuração. As pesquisas utilizadoras dos métodos de
mensuração costumam assumir um caráter quantitativo, enquanto as pesquisas
de observação costumam assumir um caráter qualitativo. Por fim, segundo Lovato
(2013) a fase de análise de dados consiste em utilizar os dados obtidos através
da fase de coleta de dados, para que se torne possível extrair dos mesmos as
informações necessárias para o desenvolvimento da pesquisa.

1.6.2.1 Validação das Hipóteses

Para a realização do presente trabalho levantaram-se duas hipóteses. A

primeira hipótese diz que “A aplicação de Business Intelligence identifica garga-
los no processo de produção que atrasam a entrega do produto final na empresa
 22

objeto de estudo."Esta hipótese será validada através do estudo e análise de pro-

cessos presentes no setor de usinagem entre eles pode-se citar os processos de
corte de matéria prima, usinagem em torno CNC, processos de usinagem em tor-
nos convencionais, processos de usinagem realizados manualmente, processos
de furação em centro de usinagem, processos de montagem de itens e por fim os
processos de qualidade e conferência dos itens fabricados na usinagem.

A análise de processo terá como principal objetivo realizar o levantamento

e mapeamento dos processos envolvidos na produção do setor de usinagem para
assim, poder verificar se os processos utilizados para a fabricação dos itens são
realmente necessários para os mesmos, desta forma, através da análise realizada
será possível corrigir ou sugerir melhorias ao ciclo de processos dos itens caso
seja necessário.

A segunda hipótese por sua vez diz que “Com a aplicação de uma ferra-
menta de BI será possível propor melhorias que adaptem a produção ao que foi
previamente planejado pela empresa objeto de estudo.” A validação desta hipó-
tese se dará a partir do levantamento de dados obtidos através dos indicadores de
tempos e de custos de produção.

Os dados referentes ao custo e ao tempo de produção estão contidos den-

tro das planilhas Excel nomeadas pela empresa objeto de estudo como planilhas
de custo dos itens. Dentro dessas planilhas podem ser obtidos dados referentes
aos tempos de processo realizado por cada máquina para fabricar um determinado
item e o custo total que esse processo gera para este item.

Após levantados estes dados os mesmos serão utilizados na ferramenta

de Business Intelligence com o intuito de realizar a análise dos processos para
posteriormente sugerir melhorias no ciclo de processos dos itens, para que assim,
se torne possível adequar a produção ao que foi previamente planejando no roteiro
de produção dos itens.

1.6.3 Técnicas

Segundo Lovato (2013) as técnicas são elementos e ferramentas que au-

xiliam o pesquisador a obter dados para que assim esse possa testar e validar os
 23

seus objetivos de pesquisa. Já para Marconi; Lakatos (2017) o conceito de técnicas

consiste em um conjunto de processos que servem para uma arte ou ciência.

De acordo com Marconi; Lakatos (2018) as técnicas podem ser classifica-

das de duas formas diferentes. Sendo a primeira a documentação indireta, esse
grupo de técnicas consiste em buscar seus resultados através de diferentes fontes
bibliográficas não se limitando somente a livros, essas fontes por sua vez servem
como material de auxílio para que o pesquisador obtenha os conhecimentos al-
mejados. O segundo tipo de classificação de técnicas ainda segundo Marconi;
Lakatos (2018) é conhecido como pesquisa documental, esse grupo de técnicas
por sua vez é mais voltado para obtenção de dados através da utilização apenas
de documentos escritos ou não.

O presente trabalho contará com a utilização da ferramenta Power BI Desk-

top como principal técnica para a realização da análise e desenvolvimento de gráfi-
cos que buscarão expressar os resultados obtidos através da coleta de dados dos
indicadores de custos e de tempos de processos de produção. Através dos dados
obtidos com os indicadores serão realizadas as análises de efetividade do setor de
usinagem juntamente com a análise de processos presentes no desenvolvimento
dos itens fabricados neste setor.

1.7 ORÇAMENTO

O orçamento de um projeto de pesquisa visa demonstrar uma estimativa

aproximada do que será gasto para o desenvolvimento do trabalho. No Quadro 3 -
Apêndice A é apresentado o orçamento do presente projeto.

1.8 CRONOGRAMA DE ATIVIDADES

No Quadro 4 - Apêndice B é apresentado o cronograma das atividades que

estão sendo desenvolvidas bem como as datas previstas para a sua realização.
2 FUNDAMENTAÇÃO TEÓRICA

Neste capítulo serão apresentados os principais conceitos utilizados para

a formação do embasamento teórico do presente projeto. Também serão apre-
sentados neste capítulo os estudos realizados por diferentes autores que estão
relacionados as áreas de Business Intelligence e ao ramo industrial.

2.1 INDÚSTRIA METALÚRGICA

De acordo com Mattos (2011), a metalurgia é a arte onde se realiza a

extração de metais dos minérios onde os mesmos são encontrados. Desta forma,
a indústria metalúrgica também conhecida como indústria metalmecânica é um
ramo da indústria da transformação que tem seu foco em transformar metais em
produtos utilizados nas mais diversificadas áreas do mercado.

No Brasil, segundo Haffner (2002), a industrialização teve duas grandes

evoluções, sendo a primeira no governo de Getúlio Vargas nos anos de (1930 a
1945) e a segunda no governo de Juscelino Kubitschek nos anos de (1956 a 1960).
De acordo com Haffner (2002), o foco na industrialização durante o governo Vargas
foi realizar o desenvolvimento econômico do país, para que assim, fosse possível
aumentar as suas riquezas, diminuindo assim a grande diferença que existia entre
a América Latina e os países ricos.

Já no governo de Juscelino Kubitschek, ainda segundo Haffner (2002),

ocorreu a construção de Brasília, e isso consequentemente possibilitou ao Brasil
realizar a abertura de suas fronteiras econômicas para novos empreendimentos.
Como resultado disso, houve um grande número de industrias multinacionais que
se instalaram no país, gerando assim muitos empregos e contribuindo para o de-
senvolvimento industrial do mesmo.
 25

Com o passar dos anos as industrias passaram a utilizar novas tecnolo-

gias em seus processos produtivos. Segundo Rifkin (2011) foi durante o período
da terceira revolução industrial que as industrias começaram a fazer uso de compu-
tadores, sistemas de informações e demais recursos da tecnologia da informação
para otimizar tanto a nível de chão de fabrica quanto a nível gerencial.

Atualmente o ramo industrial participa fortemente da economia brasileira.

A indústria metalúrgica por sua vez, contribui para o desenvolvimento econômico
do país através da produção de veículos, aeronaves, máquinas, veículos pesados
voltados para uso de construção civil ou para uso agrícola, peças utilizadas para
os mais diversificados fins, implementos agrícolas, entre outros.

2.1.1 Usinagem

De acordo com Tesla (2016) usinagem é um conjunto de processos que

consistem em remover material de uma peça bruta. Quando um processo de usi-
nagem é executado ocorre a produção de resíduos que provem do material retirado
através do processo. Este material por sua vez, recebe o nome de cavaco, ou seja,
toda a vez que é executado um processo de usinagem ocorre a geração de cavacos
removidos da matéria prima usinada.

Ainda segundo Tesla (2016) a usinagem possui os seus processos dividi-

dos em dois grupos, sendo os processos convencionais e os processos não con-
vencionais. Os processos de usinagem convencionais são aqueles que utilizam
energia mecânica para realizar a remoção do material através do contato das fer-
ramentas dos tornos com as peças que serão usinadas. Como exemplos de pro-
cessos de usinagem convencional podem ser citados o torneamento, brochamento,
fresamento, furação, entre outros.

No grupo dos processos de usinagem não convencionais estão presentes

todos os processos que utilizam outros tipos de energias para realizar a remoção
de material das peças. Os processos executados neste grupo não deixam marcas
nas superfícies das peças, porém a taxa de remoção de material e menor quando
comparada com a quantidade removida através de um processo de usinagem con-
vencional. Entre os processos de usinagem não convencionais podem ser citados
 26

os processos de desbaste, acabamento, usinagem com jato de água, usinagem

com líquidos contendo material abrasivo, processos com laser entre outros.

2.1.2 Manufatura

Segundo Groover (2017), o termo manufatura provém do latim manus (mãos)

e factus (fazer), na qual a sua tradução direta para o português significa feito à mão.
No entanto, nos dias atuais, este termo recebeu incrementos, principalmente recur-
sos tecnológicos, sendo assim, a manufatura consiste no emprego de processos,
sejam eles físicos e/ou químicos, máquinas, ferramentas e mão de obra a fim de
modificar a estrutura inicial de um item para transformá-lo em um produto final.

De acordo com Neumann (2013), a manufatura nada mais é do que a alte-

ração de uma matéria-prima com intuito de transforma-la em um produto final para
que este possa ser comercializado. Neumann (2013) complementa que, apesar
de o termo ter surgido alusivo ao trabalho unicamente manual, nos dias atuais o
termo está intimamente ligado a produção industrial, esta, por sua vez, utiliza-se
de máquinas, tecnologias e processos para a transformação da matéria-prima.

2.2 SISTEMAS DE PRODUÇÃO

Segundo Neumann (2013), os sistemas de produção consistem em um

conjunto de processos e operações destinados a fabricar diversos itens físicos. Es-
tes são compostos por máquinas, pessoas, tecnologias, processos e procedimen-
tos, na qual todos devem estar em constante harmonização para que se configure
como um sistema de produção.

Neumann (2013) complementa que os principais objetivos de um sistema

de produção são: a redução de custos, aumentar a eficiência do trabalho, aumentar
a satisfação do cliente por meio da entrega de produtos com qualidade elevada
e reduzir investimentos na produção em virtude do pleno emprego eficiente dos
meios utilizados para produzir.

Segundo Slack, Jones e Johnston (2018), pode-se dizer que os sistemas

de produção estão intimamente ligados com a administração da produção que vem
a ser o ofício do gerenciamento dos recursos que são empregados para a produção
 27

e entrega de produtos e serviços. Sendo assim, a administração da produção irá

cuidar do emprego da matéria prima, recursos humanos, máquinas, ferramentas
entre outros itens necessários para produzir.

Além disto, Slack, Jones e Johnston (2018) complementa que a administra-

ção da produção é parte fundamental de qualquer organização, portanto, a mesma
deve possuir uma cadeia de processos bem definidos e estruturados, para que as
atividades satisfaçam o cliente final.

2.3 SISTEMAS DE INFORMAÇÕES GERENCIAIS

Segundo Kroenke (2012), um sistema pode ser entendido como um con-

junto de elementos que interagem entre si, podendo ser um sistema natural, como
as quatro estações do ano, ou sistemas artificiais (criados pelo homem), como por
exemplo um sistema de reconhecimento facial.

Neste contexto, tem-se os sistemas de informações, na qual Kroenke (2012)

complementa que estes normalmente são compostos por uma interação entre
hardware, software, dados, técnicas e pessoas. No mundo, há diversos tipos de
sistemas de informação, alguns voltados para nichos específicos de mercado, e
outros que foram desenvolvidos para se adaptar a diferentes áreas de atuação.

Os Sistemas de Informações Gerenciais (SIGs), são uma designação de

sistemas de informações, e possuem um papel fundamental dentro de uma organi-
zação, pois por meio deles, a empresa pode ter seus objetivos e metas alcançados
de uma maneira mais fácil. No entanto, não são somente essas as vantagens de
se utilizar um SIG, pois a partir dele, a organização poderá medir a eficiência do
trabalho, obter informações sobre custos desnecessários e posteriormente realizar
melhorias nos processos e tarefas que a organização desempenha.

Para Gonçalves (2017), os SIGs são indispensáveis para a administração

da organização, pois eles facilitam a tomada de decisões para os gestores e con-
sequentemente o cumprimento de objetivos e metas.

Desta forma, os SIGs auxiliam também na elaboração do planejamento es-

tratégico, tático e operacional. Vale salientar que os SIGs por si só não tomam as
decisões para a organização, mas sim facilitam as tomadas por meio das informa-
 28

ções obtidas, além disso, Gonçalves (2017), complementa que para obter um maior
desempenho do sistema, este deverá contemplar todos os setores da empresa.

2.4 BALANCED SCORECARD

De acordo com Costa (2008) o Balanced Scorecard (BSC), é um conceito

que surgiu em 1992 em um artigo publicado por Norton e Kaplan, o qual estes o
definiram como um sistema de avaliação de desempenho, que se utiliza de indica-
dores estratégicos para a medição do desempenho da organização.

Além disto, o BSC surgiu como uma proposta de melhoria em relação aos
tradicionais métodos de medidas contábeis que existiam até aquele presente mo-
mento, pois estes não mais ajudavam a empresa a empresa aumentar o seu valor
econômico.

Desta forma, segundo Costa (2008) o Balanced Scorecard está organizado

em quatro dimensões de gestão, sendo elas a dimensão financeira, de clientes,
processos internos e aprendizado e crescimento.

De acordo com Pramudita (2016) a dimensão financeira é a responsável

por trabalhar com fatores que resultem em retorno financeiro para a organização.
Desta forma, nesta dimensão são utilizados indicadores que busquem o lucro da
organização como objetivo principal.

A dimensão de clientes por sua vez está relacionada a como os clientes

veem o negócio ou os produtos da organização. Pramudita (2016) diz que fatores
como nível de satisfação dos clientes e aceitação dos produtos junto as clientes
estão fortemente presentes nos indicadores desta dimensão.

Na sequência vem a dimensão de processos internos. Essa dimensão se-

gundo Pramudita (2016) está diretamente relacionado a indicadores que possuem
seu foco voltado principalmente para a otimização dos processos da organização
e para o desenvolvimento do padrão de qualidade dos produtos.

Por fim, a ultima dimensão englobada pelo BSC é a dimensão de apren-

dizado e crescimento. Essa dimensão de acordo com Pramudita (2016) possuí
indicadores que tem como objetivo realizar a evolução da organização como um
 29

todo, desta forma, todos os conhecimentos adquiridos pela organização bem como
pelos seus colaboradores são de suma importância para auxiliar a organização a
conquistar seu lugar no mercado e consequentemente conquistar assim cada vez
mais clientes.

2.5 BUSINESS INTELLIGENCE

O Business Intelligence (BI), ou ainda Inteligência de Negócios no portu-

guês, segundo Turban; Sharda et al. (2009), pode ser definido como uma estrutura
que mescla ferramentas de análise de dados, uma fonte de dados, metodologias e
pessoas.

Sharda, Delen e Turban (2019), complementa que o BI tem como princi-

pal objetivo fornecer um dashboard interativo, ou seja, um painel digital onde os
gestores possam ver informações específicas sobre a organização de acordo com
as suas necessidades, visando um maior acerto na tomada de decisões. Estes
painéis por sua vez podem ser em tempo real ou não.

O termo BI data da década de 1970, com a introdução dos SIGs, porém,

nesta época tinha apenas relatórios estáticos, sem a possibilidade de interação
e consequentemente dificultando a capacidade analítica. Mais recentemente em
meados de 1990, Gartner Group introduziu um novo conceito de BI, na qual agora
os dados poderiam ser extraídos de uma maneira dinâmica e multidimensional,
no qual seria possível gerar previsões e analisar tendências de mercado. Turban;
Sharda et al. (2009)

Para Baltzan; Phillips (2012), o termo BI refere-se a uma ferramenta tec-

nológica que pode ser utilizada para coletar dados e posteriormente transformá-los
em informações, no qual estas poderão auxiliar na análise dos dados, tomada de
decisões, acesso aos dados, tudo isso de uma forma mais interativa e visual para
os gestores da organização.

Baltzan; Phillips (2012), complementa que o BI é separado em três tipos

diferentes, sendo eles o estratégico, tático e operacional. Cada um destes possui
um foco diferente dentro da organização, como os prazos, os focos do negócio, os
usuários, e os dados. O Quadro 1 a seguir representa essas diferenças.
 30

Quadro 1: Tipos de BI

BI operacional BI tático BI estratégico

Foco de negó- Gerenciar as operações Conduzir uma análise em Alcançar metas organiza-
cios diárias, integrar o BI com curto prazo para atingir as cionais em longo prazo
sistemas operacionais metas estratégicas
Principais usuá- Gerentes, analistas, Executivos, gerentes Executivos, gerentes
rios usuários operacionais
Tempo No próprio dia De dia(s) a semanas a Meses ou anos
meses
Dados Métricas em tempo real Métricas históricas Métricas históricas
Fonte: Adaptado do livro de Baltzan; Phillips (2012) p. 237.
2.5.1 Etapas do Projeto de BI

De acordo com Pantoja, Parise e Sa (2017) um projeto de BI é composto

por sete etapas básicas, sendo essas, inicialização do projeto, a identificação das
necessidades da organização, realizar a integração dos sistemas existentes na
empresa, o planejamento do projeto, a execução do projeto, o monitoramento e
por fim, o encerramento do projeto. A Figura 3 demonstra como ocorre o fluxo de
processos em um projeto de BI.
Figura 3: Projeto de BI

Fonte: Retirado de Pantoja, Parise e Sa (2017).

2.5.2 ETL

De acordo com Kimball; Caserta (2004) ETL é uma forma de integração de

dados realizada em três diferentes etapas, sendo essas, extração, transformação
e carregamento. O processo de ETL tem como objetivo realizar a construção de
 31

um data warehouse utilizando dados extraídos de diferentes fontes, possibilitando

assim a realização de uma análise mais completa dos mesmos.

A primeira fase realizada em um processo de ETL é a fase de extração de

dados. Nesta fase ocorre identificação das bases de dados desejadas para que
em seguida seja realizada a extração dos mesmos.

A segunda fase é a fase de transformação de dados. Esta fase acontece

quando já se tem os dados extraídos. Segundo Kimball; Caserta (2004) a trans-
formação de dados ocorre em dois momentos distintos, sendo esses, a limpeza
de dados e a conformação de dados. A limpeza dos dados é parte da etapa de
transformação onde acontece classificação e filtragem de dados em busca de in-
conformidades nos mesmos. Já a conformação dos dados é parte da transforma-
ção onde os dados são propriamente preparados para o formato onde os mesmos
poderão ser carregados na base de dados de destino.

Por fim, a última etapa presente no processo de ETL é a etapa de car-

regamento dos dados, o principal objetivo desta etapa segundo Kimball; Caserta
(2004) é realizar a carga dos dados transformados para dentro da base de dados
de destino.

2.5.3 Data warehouse

Para Baltzan; Phillips (2012), um Data warehouse ou ainda no português,

um armazém de dados, consiste em um local onde são armazenados dados e
informações de diversos bancos de dados, buscando armazenar todas as informa-
ções possíveis da organização, seja ela estratégica, tática, operacional, bem como
dados externos da organização. O principal objetivo é armazenar tudo em apenas
um lugar.

Turban; Sharda et al. (2009), complementa que um Data warehouse con-

siste em uma coleção de dados que tem por objetivo auxiliar os gestores da or-
ganização na tomada de decisões, na qual a partir destes dados é possível fazer
consultas e gerar relatórios de um modo mais analítico e eficiente. A Figura 4
demonstra um modelo típico de Data warehouse.
 32

Figura 4: Data warehouse

Fonte: Adaptado de Baltzan; Phillips (2012) p. 159.

2.6 RECURSOS DE BI

De acordo com Turban; Sharda et al. (2009) os recursos de BI nada mais

são do que os procedimentos que o Business Intelligence realiza com os dados
coletados. Alguns recursos de BI que podem ser citados como exemplo são: Drill
Down, Roll Up, Slice e Dice.

2.6.1 Drill Down

Segundo Turban; Sharda et al. (2009), o Drill Down consiste em uma aná-
lise mais detalhada das informações que compõe o resumo, sendo assim, cada
transação feita será observada, buscando analisar detalhadamente os fatos. No
entanto, a análise Drill Down pode deixar as consultas mais lentas, pois devido ao
nível de detalhamento, será necessário utilizar-se de mais dados.

Gonçalves (2017), complementa que o Drill Down é basicamente um rela-

tório sumarizado, o qual, a partir deste pode-se alternar o nível de detalhamento
das informações, como por exemplo uma análise de forma diária ou anualmente,
bem como a utilização de um filtro de busca por sexo masculino e feminino a fim
 33

de verificar o número de vendas para estes grupos.

2.6.2 Roll Up

Para Sharda, Delen e Turban (2019), a operação de Roll Up consiste na

aplicação de uma fórmula, buscando gerar uma ou mais dimensões para todos os
dados do cubo.

2.6.3 Slice

Também chamado de segmentar ou fatiar, o termo Slice parte do princípio

na qual se tem um cubo tridimensional em que nele constam diferentes tipos de
dados. Para Sharda, Delen e Turban (2019), a operação de Slice fatia este cubo,
normalmente em uma representação bidimensional, na qual pode ser observado
um registro específico do cubo. A Figura 5 demonstra uma operação de Slice.
 34

Figura 5: Operação de Slice

Fonte: Retirado de Sharda, Delen e Turban (2019) p. 188.

 35

2.6.4 Dice

Segundo Baltzan; Phillips (2012), a operação de Dice, ou também conhe-

cida como dividir e picar, consiste o cubo em pelo menos duas dimensões, bus-
cando olhar as informações sob diferentes perspectivas.

2.7 POWER BI

Conforme a documentação oficial da Microsoft (2020), o Power BI é uma

ferramenta de análise de dados que agrega um conjunto de serviços de software,
aplicativos e conectores que visa transformar uma coleção de dados em informa-
ções coerentes e que possam agregar valor para a organização. Além disto, o
Power BI poder ter o seu uso de diferentes formas, levando-se em conta o ramo da
organização, bem como o seu propósito. Nele podem ser construídos relatórios,
dashboards, monitoração de cotações, entre outras funções.

O Power BI está organizado em um conjunto de três partes, cada qual com

sua função específica, sendo elas um aplicativo de desktop chamado de Power
BI Desktop, a qual este funciona somente em sistemas operacionais Windows,
um software como serviço, chamado de serviço do Power BI e o Power BI para
aplicativos móveis, chamado de Power BI Mobile. Além disso, oferece também
um criador de relatórios, chamado de Report Builder e um servidor de relatórios
local para armazenar os relatórios criados. A Figura 6 representa as três partes do
conjunto do Power BI.
 36

Figura 6: Power BI

Fonte: Retirado de Microsoft (2020)

O fluxo de trabalho do Power BI aborda uma sistemática na qual esta parte
do princípio de uma fonte de dados, normalmente um banco de dados, mas nada
impede que possam ser utilizados dados compostos em planilhas. Tendo a fonte
de dados, a partir disto é estabelecido uma conexão entre a fonte de dados e o
Power BI Desktop, posteriormente o usuário irá criar relatórios e/ou dashboards e
compartilha-los por meio do serviço de Power BI, disponibilizando assim para todos
os interessados. Após o relatório ser disponibilizado no serviço, este poderá ser
disponibilizado para os dispositivos móveis, possibilitando exibição e interação.

2.8 PENTAHO DATA INTEGRATION

Conforme a documentação oficial da Hitachi (2020), o Pentaho Data Inte-

gration (PDI), é um software de código aberto voltado para a inteligência empresa-
rial, o qual fornece recursos de extração, transformação e carregamento de dados.

O PDI é um software dinâmico, pois permite o carregamento de dados por

meio de diferentes bancos de dados, planilhas xls, arquivos de texto, entre outros
formatos. Além disto, o Pentaho foi desenvolvido para trabalhar com um enorme
volume de dados, ou seja, trabalha muito bem com o conceito de Big Data. A partir
do momento que os dados são carregados no PDI, estes podem ser copulados em
um Data Warehouse.
 37

O fluxo de trabalho do Pentaho consiste basicamente em importar os dados

para o software e posteriormente criar as transformações necessárias e integrá-lo
com uma ferramenta de BI por exemplo.

No contexto do PDI, uma transformação nada mais é do que um fluxo de

dados, na qual são lidos os arquivos, podem ser aplicados filtros, e por fim tem-se
o arquivo de saída. A Figura 7 demonstra uma transformação básica dos dados.

Figura 7: Pentaho Data Integration

Fonte: Retirado de Hitachi (2020)

2.9 POSTEGRESSQL

Conforme documentação disponibilizada por Postgre (2020), o PostgreSQL

é um Sistema Gerenciador de Banco de Dados (SGBD) de formato relacional e de
código aberto, que é baseado em Postgres e suporta a maior parte do padrão
SQL, bem como uma série de recursos como foreing Keys, triggers, procedures,
functions, dentre outros recursos.

O PostgreSQL é derivado de um projeto que iniciou na Universidade da

Califórnia, em Berkeley, chamado de Ingres. O Ingres foi desenvolvido em mea-
dos do início de 1970, tendo seu primeiro protótipo lançado em 1974, na qual o
projeto foi liderado pelos cientistas Michael Stonebraker e Eugene Wong. A par-
tir deste projeto, deu-se início ao desenvolvimento do PostgreSQL, o qual ganhou
este nome no ano de 1996.
 38

O desenvolvimento do PostgreSQL foi realizado em linguagem de progra-

mação C, o qual este possui suporte para Windows, Unix, Linux, Mac OS, Solaris
e desde 2001 compatível com ACID.

2.10 TRABALHOS RELACIONADOS

Nesta seção serão apresentados os trabalhos relacionados ao tema ou

área de interesse do presente trabalho.

2.10.1 The Research Application of Process-oriented Business Intelligence

in Manufacturing Industry

De acordo com Yuan; Zhigang (2010) o objetivo deste trabalho é aprofun-

dar a compreensão do conceito de POBI (Processo orientado a Bussines Intelli-
gence ) para assim melhorar a aplicação de BI em empresas de manufatura, desta
forma, ajudando os usuários das empresas a melhorar a sua capacidade analítica
para assim, aprimorar a sua execução dos processos de negócios.

O principal problema que este trabalho buscou solucionar, consiste em

compreender como a aplicação dos aplicativos de POBI auxiliam os usuários do
processo nas empresas de manufatura da China.

A metodologia utilizada para a realização do trabalho consistiu na aplica-

ção da pesquisa bibliográfica voltada para o estudo do processo de negócio de
empresas de manufatura da China. O estudo de caso também foi utilizado como
forma de levantar, compreender e analisar os benefícios da aplicação do BI para
essas empresas.

O desenvolvimento do trabalho se dá em três diferentes momentos, sendo

esses: o estudo e compreensão da aplicação do BI nas empresas de manufatura,
quais são as etapas necessárias para realizar a implementação do BI nessas em-
presas e por fim, a análise e compreensão de quais são os principais benefícios
proporcionados pelo BI através da aplicação pratica em um estudo de caso.

Os resultados obtidos foram subdivididos em três etapas subsequentes

sendo essas: a primeira etapa consiste em analisar a estrutura dos aplicativos de
POBI onde identificou-se que esses aplicativos na maioria das vezes são formados
 39

por três componentes sendo esses, as atividades de processo, o sistema operaci-

onal e o sistema de BI.

O segundo resultado obtido consiste em apresentar algumas etapas bási-

cas necessárias para implementar o POBI nos empreendimentos de manufatura.
Por fim, o ultimo resultado consiste em analisar os benefícios que o POBI propor-
ciona aos usuários de manufatura através de um estudo de caso.

Por fim, as conclusões deste trabalho ressaltam que a aplicação e imple-

mentação dos aplicativos de BI dependem exclusivamente da forma que cada or-
ganização gerencia seus processos, desta forma, os benefícios agregados pelo
uso do BI mudam para cada organização. Yuan; Zhigang (2010) conclui que o
POBI deve ser visto como uma perspectiva organizacional de negócio, visto que, o
mesmo pode ser um fator crítico para auxiliar a tomada de decisão assertiva, con-
tribuindo assim, para a melhora constante das empresas de manufatura chinesas.

Quando comparado ao presente trabalho nota-se que ambos se tratam de

trabalhos realizados em industrias, onde, através da aplicação da pesquisa biblio-
gráfica e do estudo de caso tornou-se possível estudar e compreender os conceitos
atrelados ao ramo industrial e ao BI.

No entanto, os trabalhos se diferenciam quanto aos ramos de atuação das

empresas objeto de estudo e quanto ao foco principal do trabalho, onde o pre-
sente trabalho tem como foco principal aplicar o BI no setor de usinagem de uma
empresa do ramo metal mecânico para assim poder avaliar o desempenho deste
setor, enquanto o trabalho relacionado teve como principal foco compreender como
os aplicativos de POBI (Processo orientado a Bussines Intelligence ) auxiliam as
empresas do ramo manufatureiro.

2.10.2 Implementação de um sistema e Business Intelligence para uma

empresa do ramo metalúrgico

De acordo com Jorej (2010) este trabalho busca como objetivo geral des-
crever quais são as principais etapas presentes no processo de implantação Busi-
ness Intelligence em uma empresa do ramo metalúrgico. O trabalho possui como
objetivos específicos o mapeamento das etapas do processo de implantação de
 40

uma ferramenta de BI na empresa Forjas Taurus S.A. Bem como, realizar a aná-
lise dos fatores críticos facilitadores e dificultadores gerados a partir da inserção da
arquitetura BI para a empresa.

O trabalho teve como principal problema de pesquisa a seguinte questão:

como funcionaria o processo de implementação de um sistema de Bussines In-
telligence na Forjas Taurus S.A. e quais os fatores críticos a serem considerados
nesse tipo de implementação?

A pesquisa bibliográfica foi o principal método de procedimento escolhido

para este trabalho. Através da pesquisa bibliográfica tornou-se possível realizar o
estudo das técnicas de BI para assim poder selecionar a mais adequada para o
projeto. Realizar a modelagem do projeto tendo como base as soluções de BI já
existentes no mercado para que dessa forma seja possível escolher a ferramenta
de BI mais adequada para o projeto proposto. E por fim, realizar a validação do
projeto proposto, através da implementação parcial da modelagem em uma ferra-
menta de BI.

O desenvolvimento deste trabalho se subdividiu em quatro etapas sendo

essas a primeira voltada para identificação dos indicadores de performance inter-
nos da empresa. Após identificar quais são esses indicadores de performance
se dá início a segunda etapa que consistiu em realizar a construção do Business
Intelligence aplicando esses indicadores de performance internos encontrados.

A terceira etapa consistiu em realizar a identificação dos indicadores de

performance externos a empresa. Por fim, a última etapa foi responsável por rea-
lizar o cruzamento dos indicadores internos e externos da empresa com o intuito
de identificar possíveis ameaças e oportunidades, esse cruzamento de dados foi
efetuado com o auxílio de uma ferramenta de BSC (Balanced Scorecard).

Com a realização das etapas responsáveis por levantar os indicadores in-

ternos e externos da empresa obteve-se um total de onze indicadores, onde o
principal indicador identificado para a empresa foi o indicador IBT (Lucro Antes dos
Impostos). O IBT é um indicador composto pelos seguintes recursos financeiros da
empresa: Total de Vendas Brutas; Custo Produto Vendido; Lucro Bruto; Despesas
 41

Operacionais; Despesas Financeiras; Dividendos; Receita Financeira. Após reali-

zado o levantamento dos indicadores foi utilizado a ferramenta MS-SQLSERVER
para realizar o cruzamento dos dados presentes nos indicadores.

Através do cruzamento dos dados tornou-se possível para os gestores da

empresa visualizarem a situação financeira de uma forma mais ampla, isto, con-
sequentemente desencadeou a última etapa do trabalho que consistiu em desen-
volver e implementar o BI na empresa. O projeto de implementação de BI contou
com uma extensão total de 78 dias, sendo esses dias divididos respectivamente da
seguinte forma: Fase de Definição (9 dias); Escolha da Solução (1 dia); Desenvol-
vimento (40 dias); Fase de Testes (11 dias); Treinamentos (8 dias); Implementação
(1 dia); e por fim Pós-Implementação (8 dias).

Com a realização do trabalho ficou ainda mais evidente o quanto é impor-

tante para um gestor possuir o conhecimento sobre a sua empresa. A utilização
das ferramentas de Business Intelligence possibilita para as empresas assumirem
um caráter mais competitivo, pois, quando uma empresa possui conhecimento das
suas capacidades e limitações a mesma torna-se capaz de se adequar aos mais
diversificados cenários.

No trabalho realizado o Business Intelligence foi aplicado na empresa com

foco nas finanças e como consequência disto, tornou-se mais fácil para os gestores
da empresa tomarem decisões assertivas baseadas nas informações tratadas e
cruzadas através da aplicação do Business Intelligence.

Por fim, o trabalho conclui falando que através dos resultados obtidos obti-
dos com a realização do mesmo, foi possível observar que o processo de tomada
de decisões é um recurso crítico para uma empresa, e quando esse for executado
de forma equivocada pode acarretar em consequências irreversíveis para a saúde
da empresa, desta forma, utilização de uma ferramenta de Business Intelligence
pode ser uma forte aliada para ajudar a organização a tomar as decisões corretas
e consequentemente atingir seus objetivos.

Este trabalho se relaciona ao presente trabalho quanto ao ramo do negócio

da empresa onde são executados os trabalhos e nos métodos utilizados. Ambos os
 42

trabalhos utilizam a pesquisa bibliográfica juntamente com o estudo de caso para

poder adquirir conhecimentos de como aplicar o Business Intelligence no ramo
metal mecânico.

No entanto ambos os trabalhos se diferenciam quanto aos seus objetivos,

onde o presente trabalho busca aplicar o Business Intelligence no setor de usina-
gem para assim poder medir seu desempenho, enquanto o trabalho relacionado
busca estudar as fases necessárias para realizar a implantação e adequação do
Business Intelligence em uma empresa metalurgica.

2.10.3 Solução com Business Intelligence para apoio no planejamento da

produção: um case aplicando computação In-Memory com SAP
HANA

De acordo com Botega (2018) o presente trabalho teve como principal ob-
jetivo disponibilizar uma solução de BI com recursos in-memory com a capacidade
de gerar relatórios que contribuam para o planejamento de produção de uma in-
dustria metalúrgica.

O principal problema levantado para esse trabalho diz respeito a como ge-
rar informações dos recursos online produtivos da empresa através da aplicação
dos recursos disponibilizados pelo SAP HANA. Esse problema se levanta devido
ao fato de que a empresa objeto de estudo trabalha com o conceito de Just in time,
tendo isso em vista a mesma está constantemente enfrentando problemas relaci-
onados a oscilação de demanda de mercado, recursos de produção e distribuição
de mão de obra.

Para o desenvolvimento deste trabalho foram utilizados métodos de abor-

dagem dedutiva, qualitativa e quantitativa. A abordagem dedutiva foi realizada atra-
vés do estudo das teorias existentes nas áreas envolvidas com o tema do trabalho.
O método qualitativo foi empregado através de uma pesquisa que serviu como
forma de levantar os dados pertinentes referentes ao planejamento e controle de
produção. O método quantitativo por sua vez, foi empregado através da compa-
ração dos dados obtidos utilizando assim duas ferramentas distintas sendo essas
Excel e Tableau que foram responsáveis analisar e comparar as informações re-
 43

presentadas nos gráficos.

Como métodos de procedimento este trabalho utilizou-se de dois, sendo

esses a pesquisa bibliográfica e o estudo de caso. A pesquisa bibliográfica foi uti-
lizada com o intuito de se aumentar os conhecimentos referentes aos conceitos
de BI, Sistemas de Produção e Processamento In-memory. Já o estudo de caso
por sua vez foi aplicado devido ao fato deste trabalho ser realizado em uma em-
presa específica, desta forma, o mesmo serviu como forma de estudar o modelo
de negócio da organização para assim poder se obter os resultados desejados.

Por fim, a principal técnica utilizada neste trabalho foi a entrevista semies-
truturada junto aos analistas responsáveis pelo PCP (Planejamento e Controle da
Produção) na empresa para desta forma poder levantar uma visão dos resultados
esperados para o trabalho.

O desenvolvimento deste trabalho se dá em dois diferentes momentos,

sendo o primeiro por meio da pesquisa bibliográfica a qual busca realizar o levan-
tamento dos conhecimentos considerados importantes para que este trabalho seja
realizado. Para isso, foram estudas conceitos e autores relacionados aos temas,
BI, sistemas de produção, computação in-memory, entre outros. Já o segundo
momento por sua vez, se dá quando esses conceitos são aplicados na empresa
objeto de estudo para assim poder realizar o levantamento e análise de dados para
posteriormente se obter os resultados finais do trabalho.

Para a obtenção dos resultados deste trabalho utilizou-se uma ferramenta

de Business Intelligence conectada diretamente nas fontes de dados responsá-
veis por gerar gráficos equivalentes a Dashboards em Excel que são utilizados na
empresa objeto de estudo. Posteriormente buscou-se realizar a conexão da fer-
ramenta de BI Tableau diretamente nas views da ferramenta de processamento
in-memory nomeada como SAP HANA para assim se obter um melhor desem-
penho na hora de gerar os relatórios de produção da empresa. A utilização das
ferramentas SAP HANA juntamente com Tableau tiveram como principal propósito
otimizar os relatórios eliminando assim possíveis redundâncias e informações des-
necessárias para a empresa.
 44

Ao final deste trabalho Botega (2018) ressalta que objetivo principal do

trabalho foi atingido juntamente com duas das três hipóteses levantadas. Botega
(2018) também complementa que através da aplicação deste estudo foi possível
reduzir consideravelmente o tempo necessário para se carregar os dados dos rela-
tórios através do BI, dessa forma, conseguindo uma economia anual de 3.13 dias
de tempo para se obter as informações desejadas.

Por fim, este trabalho ressalta que a forma como uma organização trata
seus dados pode ser o fator diferencial para tornar essa empresa competitiva no
mercado, dessa forma, é extremamente vantajoso para as organizações transfor-
marem seus dados em informações que possam ser utilizadas de forma estratégica
para o desenvolvimento da empresa.

A semelhança entre os trabalhos se dá referente ao assunto de ambos

os trabalhos, ambos os trabalhos usam a ideia de aplicação de BI no ramo me-
tal mecânico, ambos os trabalhos também utilizam o BI como forma de melhorar
desempenho de processos.

A diferença entre os trabalho esta atrelada ao fato de que o trabalho rela-

cionado utilizou o BI com o foco voltado para optimização de tempo de relatórios
de produção com o propósito de ganhar tempo, enquanto o presente trabalho ira
fazer o uso do BI para medir e avaliar a eficacia do setor de usinagem da empresa
utilizada como objeto de estudo.

2.10.4 Application of Business Intelligence Solutions from Microsoft and

IBM on Manufacturing Data

De acordo com Miskuf, Zolotová e Nemcík (2016) o objetivo deste trabalho

foi comparar dois softwares de Business Intelligence com o propósito de melhorar
o processo de gerar relatórios de produção de uma das maiores siderúrgicas da
Europa. Desta forma, o problema que o trabalho procurou solucionar foi: como
montar portais e criar relatórios de produção semelhantes aos utilizados pela em-
presa aplicando as soluções de BI escolhidas pela administração da empresa?

Para o levantamento dos conhecimentos necessários este trabalho, utilizou

conceitos de Business Intelligence, processo de ETL, armazenamento de dados e
 45

conhecimentos relacionados aos relatórios utilizados pelo antigo sistema da em-

presa objeto de estudo. Para a criação dos relatórios foram utilizadas duas fer-
ramentas distintas de BI, sendo essas, o Visual Studio da Microsoft e Cognos da
IBM.

Inicialmente ocorreu o processamento de dados utilizados na siderúrgica,

para isso, foi necessário primeiro criar o banco de dados e preenchê-lo com os
dados. Na sequência foi definido e modelado o formato dos dados, onde a tabela
principal foi preenchida com fatos e as tabelas secundárias foram preenchidas com
valores.

Após isso foi utilizado duas ferramentas de BI para realizar a criação dos
relatórios semelhantes aos que já eram utilizados pela empresa e a partir daí ava-
liar suas performances.

Os relatórios gerados pelo sistema antigo utilizado pela empresa eram bem
simples e contavam apenas com os dados expostos em colunas. Os relatórios ge-
rados neste sistema antigo eram limitados e dificilmente poderiam ser alterados.
Desta forma, toda vez que um colaborador precisava de algum relatório diferenci-
ado o mesmo deveria solicitar a criação deste relatório para o departamento de TI
da empresa, isso por sua vez, levava bastante tempo.

Os testes realizados com o Visual Studio da Microsoft obtiveram resultados

positivos possibilitando a criação de relatórios através de uma interface de usuá-
rio, porém, para a utilização do Visual Studio houve a necessidade de realizar a
instalação do software. Já com o Cognos foi possível desenvolver os relatórios
através de um portal acessado via navegador. Com o Cognos o tempo estimado
de desenvolvimento de um relatório desde o início até o seu termino levou cerca
de cinco minutos. Ambas as soluções tanto da Microsoft quanto da IBM possibili-
taram o desenvolvimento de relatórios mais elaborados compostos por gráficos e
informações organizadas em tabelas.

Após ao termino do trabalho Miskuf, Zolotová e Nemcík (2016) constatou

que ambas as soluções tanto da Microsoft quanto da IBM trabalharam bem com os
dados fornecidos pela empresa e pelos seus colaboradores, os relatórios desenvol-
 46

vidos pelas ferramentas se assemelharam cos os relatórios gerados pelo sistema

antigo, porém, os novos relatórios conseguiram ser mais dinâmicos e proporciona-
ram diferentes visões da produção para o setor de TI da empresa.

Por fim, Miskuf, Zolotová e Nemcík (2016) conclui dizendo que a empresa
escolheu o Visual Studio da Microsoft devido ao seu preço mais acessível e que
futuramente a empresa pretende voltar sua arquitetura para a nuvem, desta forma,
este trabalho é concluído dizendo que futuramente será desenvolvido a adaptação
dessa solução de BI tendo um maior foco para cloud.

A semelhança entre este trabalho relacionado e o presente TCC se da de-

vido ao ramo de aplicação dos trabalhos, onde ambos são voltados para o ramo
industrial. Os trabalhos também se assemelham quanto aos conceitos de BI estu-
dados para o desenvolvimento dos mesmos.

O diferencial do presente trabalho com o trabalho relacionado se dá quanto

aos objetivos dos trabalhos. No qual o objetivo do trabalho relacionado é de desen-
volver relatórios semelhantes aos relatórios utilizados pela empresa onde o mesmo
foi desenvolvido através da aplicação de duas diferentes ferramentas de BI. Já o
presente TCC tem como objetivo analisar e avaliar a efetividade do setor da usina-
gem da empresa onde o mesmo será aplicado.

2.10.5 The Operations Plan Management System of Metallurgical Mining

Enterprise Based on Business Intelligence

De acordo com Nailian (2010) o presente trabalho teve como principal ob-
jetivo apresentar um sistema de gerenciamento do plano de operações em uma
mineradora com o propósito de aumentar a sua competitividade no mercado. Desta
forma, o trabalho procurou solucionar a problemática de como o Business Intelli-
gence pode contribuir para a agregação de valor na mineradora afim de auxiliá-la
no processo de tomada de decisão permitindo assim aumentar a sua competitivi-
dade no mercado.

O estudo de caso foi um dos principais métodos utilizados para a realiza-

ção deste trabalho, através do mesmo foi possível compreender quais as ações
necessárias para tornar a mineradora mais competitiva no mercado onde atua. A
 47

pesquisa bibliográfica foi utilizada como forma de levantar informações importan-

tes relacionadas ao conceito de Business Intelligence e os benefícios que o mesmo
pode agregar para a tomada de decisão das organizações.

Durante o desenvolvimento deste trabalho são apresentados como funci-

ona a gestão interna da empresa e como o Business Intelligence contribuiu para a
mesma.

Inicialmente se tem o modelo de planejamento de vendas, nele a aplicação

do BI possibilitou obter uma melhor assertividade através da análise de dados
obtidos externamente a empresa. Após a confirmação do plano de vendas ocorre
teste do mesmo e sequencialmente ocorre o planejamento de produção, este, por
sua vez é obtido através dos dados analisados na fase de planejamento de vendas
para que assim seja possível atender a demanda do mercado.

A utilização do BI também contribuiu para auxiliar nas decisões referentes

ao plano de estoque de segurança, planejamento da mineração, planejamento de
compras e por fim no modelo de avaliação do desempenho das operações execu-
tadas na empresa.

Como resultados obtidos através deste trabalho Nailian (2010) diz que o
sistema aplicado para a empresa conseguiu contemplar todas as áreas estraté-
gicas para a mesma. O sistema realiza os cálculos de demandas no mercado
baseado nas informações presentes do data warehouse da empresa, com base
nesses dados o sistema também conseguiu informar quais eram as matérias pri-
mas necessárias para atender as demandas de mercado.

Através do sistema de BI a empresa conseguiu gerenciar melhor o seu

estoque de segurança e isso por sua vez impactou diretamente o no plano de
compra de matéria prima da empresa, pois, ficou muito mais fácil comprar de forma
assertiva devido a visão mais clara que o Business Intelligence proporcionou para
a mineradora.

Por fim, Nailian (2010) conclui que através da aplicação da teoria e tecnolo-
gia de Business Intelligence na empresa mineradora tornou-se possível organizar
o plano de operações da mesma de forma que contribuiu significativamente no pro-
 48

cesso de tomada de decisão, isso por sua vez, resultou na melhora do desempenho
da empresa no mercado onde atua aumentando assim a sua competitividade.

Ambos os trabalhos estão relacionados quanto aos seus temas que envol-
vem a utilização do Business Intelligence aplicado como forma de auxilio para as
empresas objeto de estudo. Porém, a diferenciação entre os dois trabalhos se dá
devido foco principal de se aplicar o BI nas empresas. O trabalho relacionado teve
como foco aumentar a competitividade da empresa onde foi executado, enquanto
o presente trabalho visa realizar a avaliação de desempenho do setor de usinagem
da empresa objeto de estudo.

2.10.6 Application of Business Intelligence Solutions on Manufacturing

Data

De acordo com Miskuf; Zolotová (2015), o presente trabalho teve como

objetivo principal realizar a aplicação de duas diferentes soluções de BI em dados
de manufatura de uma empresa da Eslováquia com o intuito de gerar relatórios que
atendam as demandas dos usuários.

Como forma de levantar os conceitos de BI e suas demais áreas foi uti-

lizada a pesquisa bibliográfica. Para compreender como ocorre o funcionamento
da empresa objeto de estudo foi utilizado o estudo de caso. As ferramentas de BI
utilizadas para analisar os dados e criar os relatórios da empresa de manufatura
são soluções de BI desenvolvidas pela IBM e pala Oracle.

Para realização deste trabalho foi necessário fazer a preparação do data

warehouse da empresa fazendo a limpeza dos dados e preenchendo com tabelas
para assim poder desenvolver a análise multidimensional dos dados. Na sequência
foi criado então o portal de BI da empresa, onde foi realizado a ligação das ferra-
mentas de BI com o data warehouse afim de se desenvolver os relatórios, esses
relatórios por sua vez, poderiam ser exportados em vários formatos para melhor
atender ao uso dos usuários da empresa.

Após fazer a utilização das duas soluções de BI Miskuf; Zolotová (2015) diz
que ambas as soluções apresentaram vantagens e desvantagens, onde identificou-
se que a solução de BI da IBM era mais complexa de se trabalhar do que a solução
 49

de BI da Oracle. Apesar desta diferença entre as duas ferramentas de BI Miskuf;

Zolotová (2015) complementa que ambas tiveram desempenhos aceitáveis e pro-
duziram resultados semelhantes em quesitos de relatórios de manufatura.

Miskuf; Zolotová (2015) diz que através da comparação das ferramentas

utilizadas contatou-se que a ferramenta da IBM provou ser mais complexa quanto
ao fato de atender as demandas dos usuários da empresa onde o trabalho foi
realizado.

Por fim, Miskuf; Zolotová (2015) encerra o trabalho dizendo que o fator
decisivo para definir qual é a melhor solução de BI para cada caso é a forma
de como essas soluções gerenciam o processo de ETL, pois, esse pode ser o
diferencial em como levantar, organizar e manter os dados de uma organização
bem gerenciados.

Tanto o presente TCC quanto o trabalho relacionado possui o tema BI

como seus principais guias, no entanto, esses trabalhos se diferenciam quanto
ao seus focos de aplicação do BI. O presente tem como principal objetivo utilizar
o BI para analisar e avaliar a efetividade do setor de usinagem da empresa onde
o mesmo será realizado. Já o trabalho relacionado teve como principal foco de-
senvolver relatórios utilizando os dados da empresa onde foi realizado para assim
poder atender as demandas dos usuários desta empresa.

2.10.7 The Manufacturing Blueprint Environment: Bringing Intelligence into

Manufacturing

De acordo com Papazoglou; Elgammal (2017) o objetivo deste trabalho é

utilizar o conceito de planos de manufatura para demonstrar como a informatização
da produção juntamente com análise e interpretação de dados pode auxiliar as
empresas de manufatura. Desta forma, este trabalho procurou entender quais são
os principais benefícios que os planos de manufatura podem oferecer para essas
empresas de manufatura.

Papazoglou; Elgammal (2017) diz que as empresas vêm buscando cada

vez mais recursos de maior conectividade que possibilitem uma coleta e análise
mais sofisticadas dos dados pertencentes as empresas e aos seus produtos. Desta
 50

forma, conceitos como big data e internet das coisas estão se tornando cada vez
mais presentes no dia a dia das organizações manufatureiras.

Com a aplicação destes recursos informatizados surge o conceito de redes

inteligentes de fabricação, esse tipo de rede tem como principal objetivo otimizar o
desempenho das industrias através da informatização dos processos e da aplica-
ção do aprendizado de máquina no chão de fábrica das empresas.

Os planos de manufatura auxiliam as indústrias de manufatura a atende-

rem aos requisitos de qualidade, desempenho, custos e outros demais pontos pre-
sentes dentro destas empresas. Os planos de manufatura auxiliam na integração
inteligente da produção, dessa forma, melhorando os aspectos da produção como
um todo. Papazoglou; Elgammal (2017) complementa dizendo que os planos de
manufatura são fortes aliados no quesito de auxílio a tomada de decisão, através
da aplicação dos planos de manufatura é possível obter-se uma visão mais ampla
do negócio.

Para proporcionar essa visão mais ampla do negócio planos de manufatura

assumem cinco importantes dimensões, sendo essas: a dimensão de partes inte-
ressadas, essa dimensão é responsável por definir os detalhes técnicos do negócio
da empresa junto aos seus parceiros. A dimensão de produto por sua vez é a res-
ponsável por definir matérias, composição e especificações do produto que servem
para auxiliar no trabalho de produção e desenvolvimento do produto final. A dimen-
são de plano produtos-serviços é a responsável por levantar todos os processos
atrelados a um determinado produto, esses serviços podem ser de manutenção,
reparo, forma de utilização, peças de reposição, etc.

A quarta dimensão é a responsável pelo plano de produção, essa por sua

vez, tem como principal foco planejar e estruturar a linha de produção de forma
que a mesma atenda aos padrões adequados para cumprir as suas demandas de
produção. Por fim, a quinta e última dimensão é a dimensão de plano de controle
de qualidade, o objetivo desta dimensão está diretamente ligada à como utilizar os
recursos de forma que os mesmos sejam aproveitados ao máximo. Está dimen-
são também é a principal responsável por definir quais são os principais padrões
de qualidade dos produtos e quais ações corretivas devem ser tomadas caso o
 51

produto não atenda aos padrões especificados para o mesmo.

Por fim, Papazoglou; Elgammal (2017) conclui dizendo que este trabalho
propôs uma mudança de paradigmas no qual se buscou entender como os pla-
nos de manufatura poderiam contribuir para auxiliar no desempenho das industrias
de manufatura. Ainda segundo Papazoglou; Elgammal (2017) cada dimensão dos
planos de manufatura funciona como uma parte de um conjunto responsável por
integrar, interagir entre si, compartilhar dados e informatizar o processo de pro-
dução com o principal foco de alavancar o desempenho do mesmo, desta forma,
automatizando e otimizando o desempenho do processo utilizado nas indústrias de
manufatura.

Ambos os trabalhos se relacionam quanto a aplicação voltada para o ramo

industrial, no qual o trabalho relacionado foi aplicado a indústria manufatureira en-
quanto o presente trabalho será aplicado a indústria metal mecânica. Ambos os
trabalhos buscam de certa forma avaliar a efetividade dos processos presentes
nas empresas. O presente trabalho busca avaliar a efetividade do setor de usi-
nagem da empresa onde será aplicado, enquanto o trabalho relacionado buscou
avaliar a efetividade e os benefícios de se aplicar os planos de manufatura nas
industrias manufatureiras.

A diferenciação de ambos os trabalhos se dá quanto ao método utilizado

para realizar as avaliações. O trabalho relacionado fez uso dos planos de manu-
fatura para atingir seus objetivos, enquanto o presente trabalho irá fazer uso do
BI para levantar e analisar os dados referentes ao setor de usinagem para assim
poder medir a sua efetividade.

2.10.8 Business Intelligence in Industry 4.0: State of the art and research
opportunities

De acordo com Bordeleau, Mosconi e Santa-Eulalia (2018) este trabalho

fez uso de uma revisão sistemática literária para atingir dois principais objetivos,
sendo esses, compreender a criação de valor através da utilização do BI para a
indústria 4.0 e identificar quais são as principais contribuições e lacunas de pes-
quisa presentes nessa área. Desta forma, este trabalho buscou entender quais os
 52

aspectos do BI em conjunto com a análise de dados podem gerar valor para os

negócios das empresas de manufatura.

Segundo Bordeleau, Mosconi e Santa-Eulalia (2018) este trabalho fez uso

da revisão sistemática da literatura de BI aplicada ao contexto da indústria 4.0
como principal método. Através da revisão de literatura tornou-se possível analisar
os principais artigos desenvolvidos na área de interesse deste trabalho, para isso,
foi utilizada uma base de artigos que estavam presentes em quatro bancos de
dados.

Além da revisão sistemática de literatura, este trabalho também utilizou a

pesquisa bibliográfica para levantar conhecimentos referentes aos temas de Busi-
ness Intelligence, aplicação de BI na área industrial e a indústria 4.0.

O desenvolvimento deste trabalho se dá em três momentos distintos, onde

primeiramente é escolhido o método de seleção e triagem dos artigos que serão
analisados para a revisão sistemática de literatura. Na sequência foi necessário
decidir como a revisão iria acontecer e por último realizar a revisão para assim
poder obter e trabalhar os resultados.

O método de pesquisa selecionado para a análise sistemática tem sua

composição formada por nove fases dividas em três etapas sendo essas: Planeja-
mento da revisão, essa etapa conta com as fases de identificação da necessidade
de uma revisão, preparação de uma proposta e desenvolvimento de protocolo de
revisão. Na sequência vem a etapa responsável por conduzir a revisão sistemática,
esta etapa é formada pelas fases de identificação de estudos, seleção de estudos,
avaliação da qualidade do estudo, extração de dados, síntese de dados. E por fim,
a última etapa presente no método escolhido é a etapa de resultados dos relatórios,
está etapa é formada por duas fases que são a fase de relatórios e recomendações
e a fase onde são colocadas em pratica as evidências obtidas através das outras
fases.

Após a escolha do método de triagem para a realização da revisão sistemá-

tica de literatura, foram então analisados 42 artigos que falavam sobre a aplicação
do BI na indústria 4.0. Durante essa etapa Bordeleau, Mosconi e Santa-Eulalia
 53

(2018) ressalta que foi de extrema necessidade estudar sobre o que já havia sido
realizado de pesquisa nessa área e quais conhecimentos e conceitos ainda não
foram explorados nessa área.

Ao final deste trabalho, contatou-se que os autores dos artigos estudados

para realização da revisão sistemática de literatura citaram a competitividade no
mercado como uma das principais causas que levam uma empresa a implementa-
ção dos projetos da indústria 4.0. No entanto, uma grande maioria desses autores
não citam como a realização dos seus trabalhos contribuíram para agregação de
valor de negócio para as empresas onde seus trabalhos foram desenvolvidos.

Após todo o desenrolar deste trabalho Bordeleau, Mosconi e Santa-Eulalia

(2018) diz que várias lacunas de conhecimentos foram encontradas nos trabalhos
analisados através da revisão sistemática realizada nos artigos selecionados. Dos
42 artigos analisados apenas um autor citou melhorias que o seu trabalho trouxe
para o modelo de negócio da empresa onde o mesmo foi realizado. Ainda segundo
Bordeleau, Mosconi e Santa-Eulalia (2018), muitos dos trabalhos estudados men-
cionaram que ainda haveria a necessidade validar os seus conceitos de trabalhos
aplicando os resultados a um cenário industrial real, nesses casos, os autores ale-
gam que não foi possível a validação dos seus resultados devido ao fato do trabalho
não ter sido aplicado a uma empresa em específico.

Dos 42 artigos analisados, 33 trabalharam com o uso dos dados em tempo

real. Isso por sua vez, faz alusão ao conceito de fábricas inteligentes, nesse con-
ceito de fábrica, tanto os produtos, quanto as máquinas e os trabalhadores estão
constantemente trocando dados. Apesar dos trabalhos abordarem o conceito de
fábricas inteligentes não foi possível adquirir resultados suficientemente satisfató-
rios quando ao valor de negócio agregado, visto que, foram poucos os autores que
apresentaram resultados objetivos.

Bordeleau, Mosconi e Santa-Eulalia (2018) diz que com a realização desse

estudo foi possível identificar várias lacunas e oportunidades de pesquisa envol-
vendo uso do BI na indústria 4.0. Vindo de encontro com essas lacunas de conhe-
cimento Bordeleau, Mosconi e Santa-Eulalia (2018) ressalta que cada vez mais
projetos atrelados a indústria 4.0 estão sendo desenvolvidos tanto no meio cor-
 54

porativo quanto no meio acadêmico. Por fim, o trabalho é encerrado dizendo que
como proposta futura irá ser desenvolvido um trabalho que terá como foco principal
concentrar os aspectos do BI para assim poder realizar a agregação de valor para
os projetos da indústria 4.0.

Quando comparado ao presente TCC esse trabalho se assemelha quanto

ao envolvimento do Business Intelligence no ramo industrial. No entanto, ambos os
trabalhos se distinguem quanto aos seus focos e objetivos, o trabalho relacionado
possui um viés mais teórico, visto que o mesmo, busca realizar uma revisão siste-
mática de literatura de um conjunto de artigos que envolvem o tema BI aplicado a
indústria 4.0. Já o presente trabalho parte para uma área mais pratica da aplicação
do BI, visto que o mesmo, tem como principal objetivo realizar a análise e avaliação
da efetividade do setor de usinagem de uma indústria do ramo metal mecânico.

2.10.9 Possibilities of Usage of Strategic Business Intelligence systems

Based on Databases in Agile Manufacturing

Este trabalho, segundo Uçakturk, Uçakturk e Yavuz (2015), tem como prin-
cipal objetivo realizar uma varredura da literatura para poder fornecer informações
que demonstrem as vantagens de se utilizar as ferramentas de BI em conjunto
com o data warehouse e arquiteturas de banco de dados, para o processo ágil em
empresas de manufatura.

O principal método utilizado para o desenvolvimento deste trabalho é a

revisão de literatura, está por sua vez, foi utilizada com o intuito de se levantar
informações necessárias para que fosse possível compreender quais as vantagens
que uma empresa de manufatura adquire através da criação e administração de um
data warehouse.

Este trabalho também contou com a utilização do método de pesquisa bibli-

ográfica, através desse, o presente trabalho buscou levantar conhecimentos sobre
os temas data warehouse, Business Intelligence, industrias de manufatura e ma-
nufatura ágil.

Segundo Uçakturk, Uçakturk e Yavuz (2015) para que fosse possível se

desenvolver este trabalho foi incialmente necessário entender os conceitos de BI,
 55

data warehouse e qual a sua relação para se criar um processo de manufatura ágil.
Desta forma, ainda de acordo com Uçakturk, Uçakturk e Yavuz (2015) o conceito de
BI está diretamente relacionado a capacidade de interpretar grandes volumes de
dados, para que através da análise dos mesmos seja possível extrair informações
que contribuam para a formação de uma estratégia de negócio que possibilite para
a empresa obter vantagens quanto aos seus concorrentes no mercado onde atua.

Já o conceito de manufatura ágil está diretamente ligado a como as empre-

sas reagem aos cenários presentes no dia a dia. Desta forma, a vantagem de se
possuir um data warehouse com BI aplicado pode fornecer para essas empresas
uma maior gama de respostas, através destes recursos torna-se possível escolher
de forma mais assertiva o que deve ser feito para resolver cada situação.

Em um cenário de mercado altamente competitivo as empresas geram di-

ariamente grandes cargas de dados brutos, esses dados por sua vez podem ser
lapidados e transformados em informações valiosas através da utilização dos data
warehouse e das ferramentas de BI. Devido a esse fato, os principais motivos para
uma empresa adquirir e utilizar um data warehouse são: os data warehouse são
capazes de armazenar as informações das empresas de forma que essas se con-
vertam em sistemas de trabalhos heterogêneos, através deste as organizações
conseguem analisar e compreender de mais completas informações referentes a
seus produtos, clientes e mercado onde atuam.

Outra característica importante do data warehouse segundo Uçakturk, Uçak-

turk e Yavuz (2015) é a grande capacidade que os mesmos possuem em contribuir
para o processo de tomada de decisão. Desta forma, com aplicação do Busi-
ness Intelligence sobre os dados do data warehouse possibilita a criação de várias
estruturas preparadas para responder de forma ágil aos mais variados cenários
apresentados pelo mercado. Por fim, Uçakturk, Uçakturk e Yavuz (2015) destaca
que outra vantagem de se utilizar um data warehouse é sua grande capacidade de
se armazenar dados históricos, ou seja, dados do passado. Essa característica se
torna importante devido ao fato de que em algumas situações possa ser necessá-
rio analisar o que já foi feito no passado para que assim torne-se possível resolver
alguma situação da atualidade.
 56

Uçakturk, Uçakturk e Yavuz (2015) conclui dizendo, que o fato de uma or-
ganização fazer uso de um data warehouse e ferramentas de BI está ligado direta-
mente ao mercado onde a mesma atua. A utilização desses recursos permite que
as organizações obtenham diferentes formas de ver as demandas e oportunida-
des presentes no seu cotidiano. Desta forma, quando as empresas de manufatura
aplicam o Business Intelligence ao seu negócio as mesmas conseguem integrar
produção, recursos humanos, qualidade de produto com o que é esperado pelos
clientes, que por sua vez estão cada vez mais exigentes.

A relação entre os trabalhos se quanto aos assuntos abordados nos mes-

mos. Ambos os trabalhos buscam fazer o uso do conceito de BI para obter os
resultados desejados. Desta forma, o presente trabalho tem como principal obje-
tivo fazer uso do BI para poder coletar dados que avaliem a eficácia do setor de
usinagem da empresa onde o mesmo será realizado. Já o trabalho relacionado
buscou fornecer informações que possibilitassem a visão de como a aplicação do
BI em conjunto com o data warehouse e a estrutura de banco de dados poderiam
possibilitar vantagens para as empresas de manufatura que os utilizam.

A principal diferença entre os trabalhos se dá quanto a forma que ambos

utilizam o BI para obter seus resultados, o trabalho relacionado demonstra a im-
portância de se utilizar o BI através de uma varredura na literatura existente sobre
o uso do BI nas organizações. Já o presente trabalho irá trabalhar com o conceito
de BI mais a nível pratico, pois o mesmo, fara uso do BI para montar painéis que
possibilitarão analisar se o desempenho realizado dos itens presentes no setor de
usinagem estão de acordo com o que foi previamente planejado para os mesmos.

2.10.10 Industrial intelligence - a business intelligence-based approach to

enhance manufacturing engineering in industrial companies

De acordo com Lasi (2013) o objetivo do presente trabalho é desenvolver e

validar um framework de BI que possibilite aos tomadores de decisões das indus-
trias de manufatura, obter informações que agreguem para a maturação do ciclo
de vida dos produtos. Dessa forma, o problema abordado nesse trabalho enfoca
nas dificuldades enfrentadas pelas industrias manufatureiras quanto a quantidade
 57

e qualidade de informações obtidas para realizar o amadurecimento do ciclo de

vida dos seus produtos.

Os principais métodos utilizados para este trabalho foram a pesquisa bibli-

ográfica, a entrevista com tomadores de decisões nas indústrias de manufatura e
a testagem do processo de extração de dados para fins analíticos com suporte a
tomada de decisão através do desenvolvimento de um protótipo de ferramenta de
BI.

Inicialmente foi realizado uma pesquisa bibliográfica com o principal pro-

pósito de se desenvolver os questionários para aplicação nas indústrias de manu-
fatura. Na sequência esses questionários foram aplicados aos responsáveis pela
maturação dos ciclos de vida dos produtos em 9 empresas alemãs de médio porte,
onde os entrevistadores possuíam a formação na área da TI ou da engenharia. As
entrevistas duraram em torno de 90 a 120 minutos e tiveram como principal propo-
sito levantar dados que seriam utilizados mais tarde para a realização da próxima
etapa deste trabalho.

Como resultado das entrevistas Lasi (2013) ressalta que grande maioria
dos tomadores de decisão tinham carência de mais informação quanto ao setor de
pesquisa e desenvolvimento. Após ter identificado essa demanda foi então reali-
zada mais 4 entrevistas em empresas de médio porte. Com os resultados obtidos
através destas entrevistas foi possível então desenvolver alguns casos de uso que
seriam então utilizados como forma de atender essa demanda de informação.

Como resultados da aplicação dos casos de uso Lasi (2013) afirma que
os tomadores de decisões entrevistados necessitavam de várias informações pre-
sentes e todas as etapas do ciclo de vida de seus produtos. Como forma de se
atender essa demanda foi realizada uma busca para encontrar uma ferramenta de
ETL comum capaz de extrair e armazenar informações digitalizadas referentes aos
modelos dos produtos. Devido ao fato de não se encontrar nenhuma ferramenta
que atendesse ao que era solicitado para este trabalho, foi necessário se desenvol-
ver uma ferramenta protótipo que teria como principal função extrair e armazenar
os dados em um data warehouse orientado aos produtos.
 58

Por fim, a ferramenta se provou apta quando aplicada em cenários fictícios,

onde grande parte das empresas demonstraram interesse quanto a obtenção de
ferramentas de BI que proporcionassem tais informações. No entanto, de acordo
com Lasi (2013) para que a ferramenta fosse realmente validada seria necessário
fazer a aplicação da mesma em cenários reais com produtos reais.

De acordo com Lasi (2013), a grande maioria dos tomadores de decisões

entrevistados neste trabalho alegaram que as informações que recebem das suas
fontes externas e internas são insuficientes para realizar o amadurecimento do ciclo
de vida de seus produtos de forma satisfatória. Com base no experimento utilizado
no caso de uso Lasi (2013) afirma que uma solução de BI que trabalhe de forma
multinível seria bem aceita caso fosse aplicada na grande maioria das empresas
entrevistadas para este trabalho, no entanto, devido ao método de pesquisa em-
pírica escolhida para este trabalho, o mesmo, se torna limitado a um determinado
número de empresas e para se conseguir conclusões mais completas Lasi (2013)
ressalta que seria necessário aplicar esta pesquisa a um maior número empresas.

A relação deste trabalho com o presente TCC se dá ao fato da aplicação do

business intelligence no ramo industrial. No entanto o foco de ambos os trabalhos
se diferem. O trabalho relacionado visa desenvolver uma ferramenta de BI capaz
de auxiliar aos tomadores de decisão quanto ao que deve ser feito para se obter
um melhor nível de maturação no ciclo de vida de seus produtos.

Já o presente trabalho busca através do BI levantar dados e informações

que possibilitem analisar e medir a efetividade do setor de usinagem da empresa
onde o mesmo será desenvolvido.

2.10.11 Business Intelligence: um estudo sobre a implantação em

indústrias de pequeno porte

De acordo com Oliveira, Aguiar e Almeida (2019), este trabalho possui

como principal objetivo propor a implantação de soluções de Business Intelligence
que se adéquem as demandas estratégicas das industrias de pequeno porte, tendo
como principal objeto de estudo uma indústria de colchões e estofados localizada
na cidade de Campina Grande no estado da Paraíba. Desta forma, este estudo
 59

buscou solucionar o seguinte problema: Como uma solução de BI, levando em

consideração as já existentes no mercado, pode ser escolhida para ser implantada
em uma indústria de pequeno porte? Segundo Oliveira, Aguiar e Almeida (2019)
os métodos utilizados para a realização deste trabalho foram, o estudo de caso, a
pesquisa mista e por fim o método PROMETHEE II.

Com a utilização do estudo de caso foi possível compreender melhor como

ocorre o funcionamento da indústria objeto de estudo deste trabalho.

A pesquisa mista utilizada para a realização do trabalho faz uso da com-

binação dos pontos fortes tanto da abordagem qualitativa quanto da abordagem
quantitativa. Essa pesquisa por sua vez, foi subdividida em duas fazes sendo es-
sas a fase exploratória e a fase descritiva.

Na fase exploratória utilizou-se aspectos de abordagem qualitativa que por

sua vez possibilitaram realizar a análise da situação da indústria, afim de se identi-
ficar quais seriam os principais critérios que decidiriam qual solução de BI seria a
escolhida.

O método PROMETHEE II foi utilizado na parte descritiva da pesquisa,

esse método foi utilizado com o intuito de analisar as soluções existentes, para
que assim, torne-se possível, ordenar da melhor para a pior alternativa de acordo
com os critérios de escolha definidos junto ao responsável pela tomada de decisão
dentro da indústria.

Após avaliações realizadas por três profissionais da área de TI chegou-se a

três possíveis soluções a serem implantadas na indústria objeto de estudo. As três
soluções de BI selecionadas foram: o Tableau, o QLIK e o Power BI. Após realiza-
das as avaliações dos especialistas referentes as três soluções de BI escolhidas
como possíveis implantações para a indústria de estofados.

A ferramenta Power BI foi elencada como a mais apropriada para a indús-

tria visto que a mesma é capaz de se integrar com os sistemas de informações
utilizados indústria. Outros fatores decisivos para a escolha do Power BI como so-
lução a ser implantada foram a facilidade que o mesmo possui em ser manuseado,
a interface familiar apresentada pela mesma, a opção de download em rede de in-
 60

ternet e isto por sua vez, representa para a indústria facilidade em fazer a aquisição
da plataforma para trabalho.

Por fim Oliveira, Aguiar e Almeida (2019) conclui dizendo que o principal
objetivo do estudo de selecionar uma solução de BI que melhor se adequasse a
estrutura utilizada pela indústria de acolchoados foi alcançado. A escolha do Power
BI como solução de implantação se deu de acordo com as análises e escolhas de
três especialistas que trabalham na área de BI, para se chegar a essa escolha, foi
levado em conta desempenho, capacidade de integração, custo benefício, pratici-
dade de utilização e outros critérios determinados como importantes pela gerencia
na empresa.

A relação entre esse trabalho e o presente TCC se dá devido a ambos

os trabalhos abordarem a utilização de BI no ramo industrial. Outra semelhança
encontrada está relacionada a ferramenta Power BI, onde no trabalho relacionado
foi elencada como a mais apropriada para ser implantada na indústria, enquanto o
presente TCC fará uso da mesma para trabalhar os dados retirados dos indicadores
do setor de usinagem.

A principal diferença entre o trabalho relacionado e o presente trabalho

está no foco principal que ambos buscam atingir como objetivos. O presente tra-
balho tem como principal objetivo realizar a avaliação de efetividade do setor de
usinagem da empresa onde será realizado através da análise dos dados extraídos
dos indicadores de tempo e de custo. Já o trabalho relacionado, buscou como prin-
cipal objetivo identificar através de uma pesquisa dividida em várias etapas, quais
das soluções de BI presentes no mercado melhor se aplicariam na indústria de
acolchoados onde o mesmo foi aplicado.

2.10.12 Interações entre ferramentas de Business Intelligence e

tecnologias da indústria 4.0 na gestão da cadeia de suprimentos

Segundo Coriguazi; Simon (2019), o principal objetivo deste trabalho foi

identificar, analisar e estudar documentos que abordem a interação das ferramen-
tas de Business Intelligence e da Indústria 4.0 nos processos de logística e na
gestão de cadeia de suprimentos.
 61

A metodologia utilizada consistiu em realizar inicialmente uma pesquisa

utilizando uma string de busca com o intuito de encontrar trabalhos realizados du-
rante os anos de 2011 a 2019 que estão envolvidos com os temas de BI e indústria
4.0 relacionados a gestão de cadeia de suprimentos.

Na segunda etapa da pesquisa, foi realizada uma nova análise nos traba-
lhos encontrados para que assim, fosse possível identificar de forma mais espe-
cífica, quais foram os trabalhos que melhor atenderam aos critérios de pesquisa
elencados como importantes para o se obter os dados necessários para a formu-
lação dos resultados deste trabalho.

O desenvolvimento deste trabalho se dá em quatro diferentes momentos.

Na primeira parte deste trabalho ocorreu a utilização da string de busca contendo
palavras chaves escolhidas para encontrar os trabalhos que possuíam relação com
a utilização do Business Intelligence e tecnologias da indústria 4.0 na gestão de
cadeia de suprimentos.

Ao término da primeira etapa foram identificados um total de 163 trabalhos.

A segunda etapa então consistiu em realizar uma nova análise mais aprofundada
baseando-se nos títulos, palavras-chave e resumos dos trabalhos encontrados.
Com a análise realizada na segunda etapa obteve-se um total de sete trabalhos
que se enquadraram nos filtros de pesquisa selecionados.

A terceira etapa consistiu em realizar as leituras e análises dos sete traba-

lhos selecionados, tendo como principal intuito de identificar como ocorre as intera-
ções do BI e da indústria 4.0 na gestão de cadeia de suprimentos e quais as áreas
desse ramo ainda estão disponíveis para novos estudos. Por fim, a quarta etapa,
consistiu em apresentar os resultados obtidos através das análises ocorridas nas
etapas anteriores.

Segundo Coriguazi; Simon (2019), após analisar os sete trabalhos seleci-

onados, foi possível notar duas grandes tendências quanto a utilização do BI e das
tecnologias da indústria 4.0 na gestão de cadeia de suprimentos. Quatro dos sete
trabalhos relacionados falavam que o Big Data era de certa forma uma evolução do
BI, isso devido, a grande capacidade que o Big Data possui de analisar quantias
 62

mais volumosas de dados.

Os outros três trabalhos diziam que a IoT (Internet of Things) também

conhecida como internet das coisas, é o recurso que melhor se adéqua a utilização
em conjunto com o BI e as demais tecnologias da indústria 4.0, isso se dá devido
a sua capacidade de reduzir a distorção dos dados e consequentemente realizar a
melhora da qualidade dos mesmos.

Ao fim do trabalho, Coriguazi; Simon (2019) conclui que realização desse

trabalho foi de grande valia, isso devido ao fato que as tecnologias aplicadas no
ramo industrial estão em constante evolução e isso, por sua vez, contribui para
novas pesquisas aplicas as mais diversificadas áreas.

Ainda segundo Coriguazi; Simon (2019), de todas as tecnologias envolvi-

das no ramo da gestão de cadeia de suprimentos as duas que mais se destacaram
quando relacionadas ao BI e a indústria 4.0 foram, o Big Data devido a sua capa-
cidade de trabalhar com grandes volumes de dados e a internet das coisas devido
a sua capacidade de reduzir a distorção dos dados assim facilitando a análise dos
mesmos.

A relação entre o presente trabalho e o trabalho relacionado se dá devido

aos temas e aos ramos do mercado que os mesmos são aplicados. Ambos os
trabalho têm seus focos voltados para a utilização BI no ramo industrial, onde o
presente está voltado para uma indústria metal mecânica enquanto, o trabalho re-
lacionado está voltado para a gestão de cadeia suprimentos utilizando conceitos
da Indústria 4.0.

Por fim, a principal diferença entre os trabalhos está no objetivo que cada
trabalho visa atingir. O presente trabalho busca utilizar BI para realizar a avali-
ação de efetividade do setor de usinagem da empresa onde será desenvolvido,
enquanto o trabalho relacionado buscou por meio de uma pesquisa e análise en-
tender quais são as interações do BI e das tecnologias da Indústria 4.0 existentes
com os processos logísticos e com a gestão de cadeia de suprimentos.
 63

2.10.13 O processo de implantação de Business Intelligence para análise

das informações de maneira ágil: o caso de um correspondente
bancário

Segundo Prates; Melo (2020), o principal objetivo deste trabalho é apre-

sentar o processo de implantação do Business Intelligence em um correspondente
bancário mais especificamente no setor de controle e retenção.

Para realização deste trabalho utilizou-se uma metodologia que consiste

em uma sequência lógica de dezessete passos, no entanto, para realizar a implan-
tação do BI no correspondente bancário utilizou-se somente onze passos devido a
não necessidade de utilização dos outros seis passos.

De acordo com Prates; Melo (2020), para realizar a implantação de BI no

correspondente bancário contou-se com a ajuda de uma empresa especializada,
está empresa por sua vez, realizou a implantação utilizando os passos da meto-
dologia escolhida. No entanto, para realizar o processo de implantação no corres-
pondente bancário houve um processo de consultoria junto a direção do mesmo
para que desta forma, fosse possível compreender melhor a situação a empresa
se encontrava.

Inicialmente, foi feito uma avaliação de caso de negócios para se obter

um entendimento de como funciona o ecossistema financeiro onde se encontra
o correspondente bancário. Esse ecossistema por sua vez engloba os produtos
oferecidos, os concorrentes, os parceiros, colaboradores, entre outros.

O segundo passo utilizado pela metodologia escolhida consistiu em rea-

lizar a avaliação da infraestrutura empresarial do correspondente bancário. Essa
avaliação ocorreu com intuito de se compreender melhor como ocorre a produção
de empréstimos consignados no setor de controle e retenção do correspondente
bancário. Outros dois pontos levantados nesta fase de avaliação foram o banco de
dados e os dashboards que até o atual momento do estudo estavam sendo cridos
utilizando o Excel, que por sua vez, não estava atendo as expectativas da direção
do correspondente bancário

Após realizar as avaliações, ocorreu então a etapa de levantamento de

 64

requisitos, a etapa de análise de dados e sequencialmente de desenvolvimento de

novos relatórios baseados em aplicativos de BI.

Ocorreu então, uma etapa responsável por adequar o projeto de banco de

dados ao que era necessário para a utilização do BI. Subsequentemente ocorreu
as fases de design de ETL e desenvolvimento de ETL essas duas etapas foram
realizadas com o principal objetivo de preparar os dados para a etapa que viria
logo em seguida que por sua vez, foi a etapa de implantação.

Na etapa de implantação foi possível realizar a criação de dashboards com-

pletos e de simples leitura, que por sua vez, em menos de um mês de uso fez com
que o correspondente bancário conseguisse evitar que o valor de cerca de um
milhão de reais em empréstimos fossem realizados por bancos concorrentes.

Por fim, a última fase do processo consistiu na avaliação da implantação.

Nessa fase constatou-se que os dashboards gerados pelo BI possibilitaram para
o correspondente bancário uma economia de tempo estimada de 14,5 horas e
por sua vez agradou a direção visto que tornou muito mais rápido o processo de
decisão dentro da empresa, dando assim uma avaliação positiva do BI implantado.

Por fim, de acordo com Prates; Melo (2020) o processo de implementação

do BI no correspondente bancário se mostrou complexa, no entanto, a utilização
do método executado em etapas contribuiu significativamente para uma melhor
adequação do BI ao cenário do correspondente bancário.

Prates; Melo (2020) também destaca que todos os projetos de implanta-

ção têm seus altos e baixos, porém, neste caso em especifico todos os resultados
obtidos com a implantação do BI geraram resultados satisfatórios para todas as
partes interessadas, visto que, o Business Intelligence possibilita uma melhor qua-
lidade na tomada de decisão pois o mesmo, tem a capacidade de transformar os
dados em informações cruciais para a elaboração de estratégia de mercado e para
a tomada de decisão mais assertiva para a gerencia do correspondente bancário.

A relação de ambos os trabalhos se dá quanto a utilização do BI afim se

avaliar, implantar e propor melhorias nas empresas objeto de estudo. O traba-
lho relacionado realizou a implantação do BI no setor de controle e retenção de
 65

empréstimos consignados no correspondente bancário. Nesse setor, ocorreu uma

análise de infraestrutura e posteriormente houve a implantação de novos dashbo-
ards que foram capazes de melhorar consideravelmente no tempo total necessário
para a tomada de decisão.

No caso do presente TCC, o BI será utilizado para medir e avaliar a efe-

tividade do setor de usinagem da empresa onde o mesmo será realizado. Desta,
forma esse trabalho pretende estudar os processos presentes nesse setor, bem
como, propor melhorias tendo como base os resultados obtidos através do estudo
e análise dos dados resultantes do BI.

Por fim, a principal diferença entre este trabalho relacionado e o presente

trabalho está no ramo de atuação das empresas escolhidas como objetos de es-
tudo, onde o presente trabalho irá ser executado em uma empresa do ramo metal
mecânica e o trabalho relacionado foi executado em um correspondente bancário.

2.10.14 Adaptabilidade do Business Intelligence no meio organizacional:

uma abordagem multicasos

De acordo com Pantoja, Parise e Sa (2017) o presente trabalho teve como

principal objetivo propor um estudo comparativo de como os conceitos de Business
Intelligence se comportam em diferentes cenários de atuação.

A metodologia utilizada para realização deste trabalho se deu principal-

mente por meio de um estudo bibliográfico, o qual, foi empregado com o principal
propósito de compreender como o BI consegue se adequar aos ambientes de tra-
balho de empresas de diferentes ramos de mercado.

Para o levantamento desses dados Pantoja, Parise e Sa (2017) afirma que

foram estudadas deferentes bases de dados entre essas podem ser citados: ar-
tigos científicos, estudos de casos, livros escritos por autores da área, artigos de
jornais, artigos em revistas e publicações de empresas sobre a área de BI. Esses
dados, foram levantados com o intuito de tornar possível a realização de uma com-
paração de como as tecnologias do BI podem auxiliar, se adaptar e contribuir para
os processos de empresas dos mais diferentes nichos de mercado.

Ao decorrer do trabalho houve o estudo de quatro casos de diferentes em-

 66

presas para poder entender quais foram as áreas onde se aplicou o BI e quais
foram as contribuições que esse trouxe para as mesmas. As empresas estudas
pertenciam aos ramos da saúde, agroflorestal, soluções e operação de gestão e
uma empresa que trabalha com campanhas de fidelização.

Segundo Pantoja, Parise e Sa (2017) o Business Intelligence foi implanto

na área de tecnologia de informação de todas as empresas que foram estudadas.
Na empresa que trabalhava na área da saúde percebeu-se melhorias nos seguin-
tes pontos: qualidade do serviço, na área comercial e nos processos de TI.

Na empresa agroflorestal a melhoria proporcionada pela implantação do BI

se deu em toda a empresa, pois, a implantação do mesmo contribuiu de forma geral
no processo da empresa como um todo. No caso da empresa focada em soluções
e operação de gestão a contribuição do BI também se deu de forma geral, visto
que o mesmo, possibilitou um melhor gerenciamento das informações da empresa.

No caso da empresa que trabalha na área de campanhas de fidelização as

melhorias proporcionadas pelo uso do Business Intelligence se deram referente a
gestão dos clientes, departamentos de parcerias, finanças, operações e logística.

Pantoja, Parise e Sa (2017) diz que, com a realização deste estudo ficou
ainda mais nítido a capacidade que o Business Intelligence possui de se adap-
tar aos mais diversos cenários do mercado. Ainda segundo Pantoja, Parise e Sa
(2017) a versatilidade do BI proporciona que cada empresa o utilize de acordo com
seus objetivos e estratégias.

Por fim, Pantoja, Parise e Sa (2017) conclui dizendo através dos conheci-
mentos adquiridos por esse estudo, o Business Intelligence pode ser visto como
uma tecnologia que pode ser aplicado de forma eficiente a diferentes ramos de
mercado. A confirmação disso ainda segundo Pantoja, Parise e Sa (2017), se dá
devido ao que ocorreu nos casos das empresas estudadas, onde mesmo sendo de
diferentes nichos de mercado, o BI conseguiu se adaptar aos processos e ainda
conseguiu contribuir de forma geral para o desenvolvimento das mesmas.

A relação entre o trabalho relacionado e o presente trabalho se dá devido

ao foco principal de ambos girar em torno do tema BI. No entanto, a diferenciação
 67

de ambos os trabalhos se dá quanto o objetivo principal de ambos e quanto a

abordagem utilizada para atingir esses objetivos.

Nesse contexto, o presente trabalho pretende fazer uso do Business Intel-

ligence para medir e avaliar a efetividade do setor de usinagem da empresa onde
o mesmo será executado partindo assim para uma abordagem mais pratica. En-
quanto o trabalho relacionado, utilizou por sua vez, uma abordagem baseada em
fontes teóricas, artigos científicos e estudos de casos para conseguir obter os da-
dos necessários para atingir o seu objetivo final, que consistiu basicamente em
formar uma base de conhecimentos de como o BI consegue agir e se adequar ao
dia a dia de empresas dos mais diversos cenários de atuação.

2.10.15 Processo de implementação do Business Intelligence para suporte

na tomada de decisões na área portuária de uma mineradora na
cidade de São Luís - MA

O principal objetivo deste estudo segundo Matos, Marsaro e Matos (2019)

foi implementar um sistema de Business Intelligence por meio do Power BI, tendo
como foco principal o auxílio na tomada de decisões na área portuária de uma
empresa mineradora.

Este estudo contou com utilização de dois principais métodos, sendo es-
ses, a revisão bibliográfica e o estudo de caso. A revisão bibliográfica serviu como
forma de levantar os conhecimentos necessários sobres as áreas de sistemas de
informação, Business Intelligence, sistemas de BI e Microsoft Power BI. Após o
levantamento destes conceitos tornou-se possível adquirir uma visão mais clara de
como inserir e adaptar o BI como forma de auxílio a tomada de decisão no estudo
de caso da mineradora.

Na parte inicial do desenvolvimento deste trabalho foi realizado uma re-

visão bibliográfica, está por sua vez, teve como principal objetivo obter de forma
mais ampla os conhecimentos necessários sobre BI, para que assim, fosse possí-
vel saber como proceder com a implantação do mesmo na empresa mineradora.
Em seguida, foi realizado uma avaliação das ferramentas de BI disponíveis no mer-
cado, para que assim, fosse possível encontrar a solução que melhor se adequasse
 68

as condições e aos critérios estabelecidos pela empresa. Como resultado dessa

avaliação foi escolhida então a ferramenta Microsoft Power BI.

Após obter maiores conhecimentos sobre as áreas referentes ao BI realizou-

se a construção do modelo de solução. O modelo de solução elaborado seguiu a
seguinte sequência: inicialmente foram definidas quais fontes de dados seriam uti-
lizadas, depois foram escolhidos quais seriam os recursos utilizados para fazer a
ETL e como esses atuariam, após isso foi definido procederia a construção e orga-
nização do Data Warehouse, por fim, foram construídos os dashboards baseados
nos processos utilizados como fontes de dados.

Os dados utilizados para os dashboards eram extraídos de planilhas Excel

que eram constantemente alimentadas por colaboradores da empresa que realiza-
vam as atividades dos processos de dragagem, batimetrias e monitoramento. O
produto final proeminente dos dados das planilhas foram os dashboards capazes
de mostrar de forma dinâmica diferentes pontos que contribuíram tanto a nível ope-
racional quanto a nível gerencial para o monitoramento e tomada de decisão mais
rápida e assertiva.

Após então todas essas etapas, ocorreu a implantação do sistema de BI,

o qual passou por um período de monitoramento, avaliação e posteriormente a
validação do mesmo.

Matos, Marsaro e Matos (2019) afirma que os resultados obtidos através

dos dashboards foram satisfatórios para o cenário atual que a empresa se encon-
trava durante a realização deste estudo. Contudo, Matos, Marsaro e Matos (2019)
ressalta que os dashboards desenvolvidos não são de uso perpétuo, ou seja, caso
surja novas necessidades para a empresa poderá ocorrer então a criação de novos
dashboards que atendam as mesmas.

Matos, Marsaro e Matos (2019) afirma que o principal objetivo deste traba-
lho foi alcançado com sucesso. O sistema de BI implementado foi bem aceito pela
empresa, que por sua vez conseguiu aprimorar a sua tomada de decisão por meio
dos dashboards feitos na ferramenta Microsoft Power BI. Matos, Marsaro e Matos
(2019) ainda complementa que os dashboards foram capazes de auxiliar tanto na
 69

gestão quanto na operação dos processos dragagem, batimetria e monitoramento

analisados por este estudo.

Por fim, Matos, Marsaro e Matos (2019) conclui dizendo que os dados
apresentados nos dashboards possibilitaram uma visão mais ampla das atividades
realizadas no cotidiano dos processos, proporcionando assim, o levantamento de
informações de diferentes pontos dos processos, que por sua vez, agregaram de
forma significativa no processo de tomada de decisão.

A relação entre o presente TCC e este trabalho se dá através da aplicação

do Business Intelligence no ramo industrial e da utilização da ferramenta Power BI.
No entanto, a principal diferença entre os dois está relacionada ao propósito de
aplicação do BI nas empresas objeto de estudo dos mesmos. O presente TCC
buscará avaliar a eficácia do setor de usinagem da empresa onde será desenvol-
vido, enquanto o trabalho relacionado buscou por sua vez, realizar a implantação
de um sistema de BI com o propósito de auxiliar no processo de tomada de decisão
na empresa onde foi realizado.

O Quadro 2 apresenta de forma resumida alguns pontos identificados como

decisivos para qualificar um trabalho como relacionado ao presente TCC.
 Quadro 2: Trabalhos relacionados
Trabalho Objetivo Área de aplicação Ferramentas utilizadas Fonte

Botega (2018) Disponibilizar uma solução de BI com recursos in-memory que seja capaz de gerar relatórios para auxiliar Indústria Metalúrgica. SAP HANA, Excel e Tableau. SETREM.
no planejamento da produção de uma indústria metalúrgica.
Jorej (2010) Descrever quais são as principais etapas presentes no processo de implantação Business Intelligence em Indústria Metalúrgica. MS-SQLSERVER. UFRGS.
uma empresa do ramo metalúrgico.
Yuan; Zhigang (2010) Aprofundar a compreensão do conceito de POBI (Processo orientado a Bussines Intelligence) para assim Estudo bibliográfico voltado para a in- Research Gate.
melhorar a aplicação de BI em empresas de manufatura. dústria de manufatura.
Miskuf, Zolotová e Nemcík Comparar dois softwares de Business Intelligence com o propósito de melhorar o processo de gerar relató- Indústria siderúrgica. Visual Studio e Cognos. IEEE.
(2016) rios de produção de uma das maiores siderúrgicas da Europa.
Nailian (2010) Apresentar um sistema de gerenciamento do plano de operações em uma mineradora com o propósito de Indústria Mineradora. IEEE.
aumentar a sua competitividade no mercado.
Miskuf; Zolotová (2015) Realizar a aplicação de duas diferentes soluções de BI em dados de manufatura de uma empresa da Indústria Manufatureira. Ferramenta de BI da Oracle e Cognos. IEEE.
Eslováquia com o intuito de gerar relatórios que atendam as demandas dos usuários.
Papazoglou; Elgammal (2017) Utilizar o conceito de planos de manufatura para demonstrar como a informatização da produção juntamente Indústria Manufatureira. IEEE.
com analise e interpretação de dados pode auxiliar as empresas de manufatura.
Bordeleau, Mosconi e Santa- Utilizou uma revisão sistemática literária para atingir dois principais objetivos, sendo esses, compreender Revisão literária volta para a indústria Research Gate.
Eulalia (2018) a criação de valor através da utilização do BI para a indústria 4.0 e identificar quais são as principais manufatureira.
contribuições e lacunas de pesquisa presentes nessa área.
Uçakturk, Uçakturk e Yavuz Realizar uma varredura da literatura para poder fornecer informações que demonstrem as vantagens de se Revisão literária volta para a indústria Research Gate.
(2015) utilizar as ferramentas de BI em conjunto com o data warehouse e arquiteturas de banco de dados, para o manufatureira.
processo ágil em empresas de manufatura.
Lasi (2013) Desenvolver e validar um framework de BI que possibilite aos tomadores de decisões das industrias de Industrias Manufatureiras. Ferramenta protótipo desenvolvida exclusi- Research Gate.
manufatura, obter informações que agreguem para a maturação do ciclo de vida dos produtos. vamente para esse estudo.
Oliveira, Aguiar e Almeida Propor a implantação de soluções de Business Intelligence que se adéquem as demandas estratégicas das Indústria de colchões e estofados. Power BI. ENEGEP 2019.
(2019) industrias de pequeno porte, tendo como principal objeto de estudo uma indústria de colchões e estofados
localizada na cidade de Campina Grande no estado da Paraíba.
Coriguazi; Simon (2019) Identificar, analisar e estudar documentos que abordem a interação das ferramentas de Business Intelli- Revisão bibliográfica voltada para a ENEGEP 2019.
gence e da Indústria 4.0 nos processos de logística e na gestão de cadeia de suprimentos. gestão de cadeia de suplementos.
Prates; Melo (2020) Apresentar o processo de implantação do Business Intelligence em um correspondente bancário mais es- Empresa do ramo bancário. Qlik Sense. ENEGEP 2020.
pecificamente no setor de controle e retenção.
Pantoja, Parise e Sa (2017) Propor um estudo comparativo de como os conceitos de Business Intelligence se comportam em diferentes Estudo de caso voltado para empre- Research Gate.
cenários de atuação. sas de diferentes ramos do mercado.
Matos, Marsaro e Matos (2019) Implementar um sistema de Business Intelligence por meio do Power BI, tendo como foco principal o auxílio Indústria Mineradora. Power BI. ENEGEP 2019.
na tomada de decisões na área portuária de uma empresa mineradora.
70
 71

Com o intuito de se obter conhecimentos a respeito das capacidades que

o Business Intelligence possuí, foi realizada o estudo de diferentes trabalhos que
foram identificados como trabalhos relacionados ao presente trabalho. Para levan-
tamento e identificação destes trabalhos foram efetuadas buscas usando como pa-
lavras chave o “Business Intelligence”, “Ramo Industrial”, “Indústria Manufatureira”
e “Indústria Metal Mecânica”.

Após a leitura destes trabalhos identificou-se o trabalho realizado por Bo-

tega (2018) como sendo o mais semelhante a este TCC. Este trabalho foi aplicado
no ramo industrial igualmente ao presente trabalho, possuindo apenas uma pe-
quena diferença quanto ao objetivo. No caso do trabalho realizado por Botega
(2018) o foco principal era disponibilizar uma solução de BI para gerar relatórios
que auxiliassem no planejamento de produção da empresa onde foi realizado. Já o
presente trabalho por sua vez, teve como objetivo avaliar a efetividade da produção
dos itens do setor de usinagem da empresa onde o mesmo foi aplicado.
3 RESULTADOS

Neste capítulo serão apresentados as informações referentes a empresa

objeto de estudo, bem como, o seu histórico, cenário atual em que a empresa se
encontra, cenário futuro proposto por este trabalho e por fim, os resultados obtidos
através da execução do presente trabalho.

3.1 A EMPRESA ROMAR MANN & CIA LTDA

De acordo com MANN (2020) empresa Romar F. Mann & Cia Ltda foi fun-
dada pelo senhor Romar Felipe Mann (in memorian) em 04 de fevereiro do ano
de 1985. Inicialmente a empresa contou com quatro sócios, sendo esses: Romar
Felipe Mann (in memorian), Ricardo Klein Mann, Cláudio Baiotto (in memorian) e
Eron Teixeira.

Nos dias atuais a organização conta com mais de 200 colaboradores em-
pregados e uma carteira de mais de 1500 clientes distribuídos tanto a nível nacional
quanto a nível internacional. Além de realizar o comercio de peças de reposição
para o Brasil a empresa também faz negócios com países como: Argentina, Uru-
guai, Equador, Paraguai, Bolívia, Costa Rica e Peru.

A organização está localizada no município de Independência, RS na rua

na rua Anizio Araújo e Silva, número 92. Está, por sua vez trabalha com a produ-
ção de mais de 6000 itens paralelos de reposição de colheitadeiras agrícolas e tem
como principal negócio a tecnologia na agricultura, pois a mesma, acredita que é
pelas mãos do agricultor que ocorre o sustento do país. Desta forma, a organiza-
ção atualmente trabalha com a fabricação e comercialização de itens paralelos de
reposição voltados para as colheitadeiras das marcas Case, New Holland, Massey
Ferguson e John Deere. Apesar de ter seu catalogo voltado apenas para os itens
 73

de reposição de colheitadeira a organização ainda fabrica alguns itens de reposi-

ção para plantadeiras.

O setor de TI atualmente da organização conta com um quadro de dois

colaboradores que mantém uma estrutura de mais de 40 computadores e cerca
de 30 thin clientes distribuídos por toda a empresa em pleno funcionamento. A
organização também conta com um servidor interno e um banco de dados, que
são utilizados para armazenar os dados da empresa e manter funcionado o sistema
ERP que a empresa utiliza desde o ano de 2017.

Por fim, os processos de produção dentro da organização estão divididos

em setores, onde cada setor, por sua vez é responsável por trabalhar com a fabri-
cação de diferentes tipos de itens de reposição para colheitadeiras.

O setor escolhido para a realização do presente trabalho foi o setor da

usinagem. A escolha deste setor se deu devido ao fato de que o mesmo possuí
implantado em si os apontamentos de produção. Esses apontamentos por sua
vez são os responsáveis por manter os relatórios de produção em constante ali-
mentação. Além disso, os itens produzidos pelo setor de usinagem possuem uma
planilha Excel que contem dados refentes a sua fabricação. Desta forma, para o
levantamento dos dados para a implementação do BI no setor de usinagem serão
utilizados os dados provenientes dos relatórios de produção e das planilhas Excel
de custo dos itens.

O setor de usinagem conta com a sua produção focada em itens que de-
mandam mais detalhamento e precisão de produção, visto que, os mesmos em sua
grande maioria são itens que devem possuir um alto desempenho quando monta-
dos nas máquinas colheitadeiras.

Para atender aos padrões de qualidade exigidos a produção dentro da usi-

nagem se da em diferentes sub centros de trabalhos, sendo esses, a área onde
ocorre o corte da matéria prima, os tornos de usinagem manual responsáveis por
realizar processos que fazem adequações na matéria prima, os tornos CNC’s que
por sua vez usinam os itens que demandam uma maior precisão no seu acaba-
mento, os centros de usinagem que especializados em realizar processos de fura-
 74

ção e ajustes nos itens produzidos e por fim, a sala de conferência, onde ocorre a
verificação se os itens produzidos pela usinagem estão de acordo com padrões de
qualidade e desempenho necessários.

3.2 CENÁRIO ATUAL

Atualmente a empresa faz uso de Business Intelligence apenas no setor

de vendas. Esse setor faz uso do BI para auxiliar na tomada de decisão referente a
regiões e clientes em potencial para a venda de um terminado item. O BI utilizado
pelo setor de vendas foi desenvolvido pela mesma empresa que fornece o sistema
ERP usado pela empresa. Este BI, por sua vez, foi desenvolvido na linguagem de
programação C# e pode ser acessado tanto via navegador quanto via aplicativo
desktop.

Os dashboards presentes no mesmo, possibilitam a visualização de da-

dos referentes a clientes, a regiões e aos itens vendidos para os mesmos. Dessa
forma, as informações mostradas nos dashboards permitem visualizar o histórico
de compras dos clientes por região e isto por sua vez, permite ao vendedor iden-
tificar possíveis oportunidades de novas vendas para um determinado cliente ou
mesmo para uma determinada região.

3.3 SOLUÇÃO PROPOSTA

A solução proposta pelo presente trabalho consiste em disponibilizar um

conjunto de dashboards que proporcionem uma visão mais completa dos dados
presente no setor de usinagem. Para que isso se torne possível, serão utilizados os
dados provenientes de relatórios de produção gerados pelo sistema ERP utilizado
pela empresa e dados originados de planilhas do Excel utilizadas para realização
de custo de produção dos itens produzidos no setor de usinagem.

Atualmente a empresa utiliza um sistema ERP que possuí como uma de

suas funções gerar relatórios de produção baseados nos tempos de produção dos
itens produzidos. Esses relatórios têm seus dados originados dos apontamentos
realizados no setor de usinagem, onde, cada colaborador realiza apontamento do
início do processo quando o mesmo, vai começar a executar um processo de pro-
 75

dução em algum item, e posteriormente realiza o apontamento de término quando

o mesmo termina de realizar esse processo.

Desta forma, os relatórios de produção utilizam por sua vez, os tempos

obtidos do início do processo apontado por um colaborador até o término deste
processo divido pela quantidade de itens trabalhados neste processo para saber
quanto tempo levou para realizar o trabalho em cada item individualmente. A Figura
8 mostra um exemplo de como são os relatórios de produção utilizados no setor de
usinagem.
Figura 8: Exemplo de Relatório de Produção

As planilhas de custo Excel, são formadas por um conjunto de dados que

consistem em valores referentes a matérias primas utilizadas para fabricação de
um determinado item e do somatório de tempo de processo que esse item leva
para ser fabricado.

A diferença dos dados presentes nas planilhas de custo varia de acordo

com o tipo de item. Se a planilha diz respeito a um item que já foi produzido
pela empresa, a mesma, tem seus dados retirados dos tempos reais de processos
necessários para a produção deste item. Já no caso de um item novo que nunca
foi produzido antes pela empresa, os dados presentes na planilha de custo são
retirados a partir de uma estimativa de tempo tendo como base a complexidade de
produção que o item possuí.

A complexidade de produção por sua vez, é baseada nos detalhes técnicos

individuais que cada item a ser produzido possuí. A seguir será representada pela
 76

Figura 9 um exemplo de planilha de custo de item. Por questões éticas, algumas

informações apresentadas pela Figura 9 foram borradas por se enquadrarem como
informações delicadas.

Figura 9: Exemplo de Planilha de custo

Por fim, os indicadores responsáveis por fazer o levantamento dos dados

serão os indicadores que trabalharão com valores referentes aos tempos e aos cus-
tos de produção. Desta forma, a utilização dos mesmos irá proporcionar a criação
de dashboards que possibilitem ao gestor de produção obter uma visão estratégica
do setor de usinagem, isto, ocorrerá devido ao fato de que os dashboards gerados
pelo Power BI irão realizar o cruzamento dos dados extraídos dos relatórios de
produção através de planilhas Excel para que assim, seja possível verificar o quão
efetivo está sendo o setor de usinagem como um todo.

3.4 DEFINIÇÃO DOS INDICADORES

De acordo com Francischini; Francischini (2018), os KPI’s (Key Perfor-

mance Indicator ) também conhecidos como Indicadores Chave de Desempenho
são um grupo de elementos que trabalham com o manuseio das informações con-
sideradas importantes dentro das organizações. Ainda segundo Francischini; Fran-
cischini (2018), esses indicadores são os principais responsáveis por pegar os da-
dos brutos e transforma-los em informações que possam agregar valor para a or-
ganização como um todo.

Para realizar este trabalho será utilizado um grupo formado por indicadores
relacionados aos tempos e custos de produção, sendo esses:

- Os operadores: este indicador é responsável por trabalhar com dados

 77

referentes aos operadores também conhecidos como colaboradores do setor de

usinagem.

- Os itens: este indicador por sua vez irá trabalhar com os dados referentes
aos itens produzidos no setor de usinagem. Este indicador está ligado diretamente
aos custos de produção, visto que o mesmo, envolve valores referentes as quanti-
dades produzidas e aos preços monetários dos itens.

- Os apontamentos de produção: os valores trabalhados por esse indi-

cador serão extraídos diretamente dos relatórios de produção, que por sua vez
possuem tanto ligação com os custos de produção através das quantidades fabri-
cadas, quanto aos tempos de produção através do tempo previsto e realizado para
cada processo.

- O tempo estimado de processo: utilizando os dados dos processos pre-

viamente estimados nas planilhas de custo dos itens, este indicador por sua vez,
será responsável por armazenar os dados dos tempos de processo dos itens antes
de estes serem colocados para a produção.

- O tempo real de processo: os dados presentes nesse indicador serão

extraídos através dos relatórios de produção do setor de usinagem, esses dados
por sua vez, representam os tempos reais que cada processo possui quando exe-
cutado para realizar a fabricação de um item do setor de usinagem. Esses indica-
dores por sua vez, podem ser enquadrados na perspectiva de processos internos
do BSC. Isto, por sua vez, se dá devido ao fato que os indicadores levantados para
a realização do presente trabalho buscam levantar informações com o objetivo de
possibilitar a análise e avaliação da efetividade do setor de usinagem.

Segundo Pramudita (2016) a perspectiva de processos internos dentro do

BSC é aquela que possuí seu foco central voltado para a otimização da excelência
dos processos que possuem grande impacto no funcionamento das organizações.
Por fim, após realizar o levantamento dos dados estimados e dos dados reais, será
feito o cruzamento destes para realizar a criação dos dashboards que possibilitem
visualizar o quão efetivo está sendo o desempenho do setor de usinagem.
 78

3.5 PROCESSO DE DESENVOLVIMENTO

Este tópico tem por objetivo descrever os passos necessários para a ela-
boração deste Trabalho de Conclusão de Curso (TCC), desde o estabelecimento
do contato com a empresa, a coleta dos dados da produção até a finalização do
presente trabalho.

Inicialmente após ter sido definido à área de abrangência do trabalho,

entrou-se em contato com a empresa Romar F Mann e Cia Ltda a fim de apre-
sentar a proposta do trabalho, a qual tem por principal objetivo levantar indicadores
de desempenho com o intuito de medir a produtividade do setor de usinagem da
empresa em questão.

Tendo sido a proposta aprovada pelos responsáveis da empresa, iniciou-se

uma fase de conhecimento dos processos internos da mesma, com foco no setor
de usinagem, a fim de buscar definir o escopo do projeto.

Dando sequência ao trabalho, a próxima etapa consistiu no levantamento

dos dados que seriam necessários para a concretização dos indicadores, para
assim posteriormente poder disponibilizar aos gestores de forma interativa e ins-
tantânea os mesmos em painéis, na ferramenta Microsoft Power BI. Os dados da
produção foram coletados através dos relatórios de produção gerados pelo ERP
da empresa CIGAM o qual a empresa utiliza. Visando se obter um processo de
ETL mais completo e preciso será realizado a conexão do Microsoft Power BI dire-
tamente ao banco de dados do CIGAM para que assim, seja possível, manter as
informações dos dashboards diariamente atualizadas.

3.6 DESENVOLVIMENTO DO ETL

O processo de desenvolvimento de ETL ocorreu em três diferentes etapas

que consistiram e realizar a extração dos dados através dos relatórios e do banco
de dados do sistema ERP utilizado pela empresa, a transformação desses dados
através do Excel e finalmente a carga dos dados para dentro do Postgresql e para
o Microsoft Power BI. A seguir serão apresentados de forma mais detalhada os
passos necessários para a construção da ETL.
 79

3.6.1 ETL - Extração de dados

Para realizar o processo de extração dos dados, inicialmente foi necessá-

rio realizar a identificação de quais dados deveriam ser mapeados para alimentar o
conjunto de dashboards desenvolvidos no PowerBI. Desta forma, foram desenvol-
vidas um conjunto de tabelas no Excel que tiveram como principal objetivo informar
ao administrador do banco de dados do ERP quais seriam os dados necessários
para suprir cada dashboard.

Para poder se identificar quais tabelas poderiam fornecer as informações

necessárias para a contrução dos dashboards foi desenvolivo uma tabela mapa,
essa por sua vez, teve como objetivo guardar informações referentes aos nomes
das tabelas no ERP CIGAM, os conteúdos armazenados em cada tabela e por
fim, o número de identificação que cada tabela possuí na hierarquia do banco de
dados. A Figura 10 apresenta a tabela mapa do banco de dados do CIGAM.

Figura 10: Tabela mapa

Cada tabela é formada por seis colunas e é subdividida em duas partes. As

quatro primeiras colunas possuem como objetivo levantar quais são os dados ne-
cessários para alimentar os dashboards, essas colunas informam respectivamente
qual é o dado necessário, qual é o tipo que o mesmo possuí e uma breve descrição
para auxiliar no entendimento do administrador sobre o dado requerido.
 80

Por fim, as duas últimas colunas possuem como objetivo mapear as infor-
mações de acordo com o que existe dentro do banco de dados do ERP utilizado
pela empresa. Os dados presentes nestas colunas fazem referência ao nome que
cada dado possui no banco do ERP, e a tabela que o mesmo pode ser encontrado.
Para demonstrar um exemplo de tabela voltada ao levantamento e mapeamento de
dados pode-se observar a Figura 11.

Figura 11: Exemplo tabela de mapeamento de dados

Após o termino da definição de quais dados seriam necessários para ali-

mentar os dashboards, iniciou-se a construção do diagrama de entidade e rela-
cionamento. Este diagrama tem como principal objetivo demonstrar como será
organizado o data warehouse e como as tabelas fatos e dimensões irão se relacio-
nar. A Figura 12 apresenta o diagrama de entidade e relacionamento referente ao
data warehouse do presente trabalho.
 81

Figura 12: Diagrama Entidade Relacionamento

Este diagrama conta com duas tabelas fatos e cinco tabelas dimensões.
Desta forma, as tabelas fatos são a tabela apontamento e a tabela ordem_producao,
enquanto as tabelas dimensões são as tabelas itens, processos, centro_trabalho,
operador e equipamento.

As tabelas fatos recebem esse nome por se fazerem referência a fatos que
aconteceram em um determinado momento dentro da empresa, onde o trabalho
está sendo realizado. Já as tabelas dimensões, recebem esse nome por se tra-
tarem de informações que estão relacionadas aos fatos ocorridos, categorizando
essas como uma dimensão daquele fato.

A principal tabela presente neste diagrama é a tabela fato de apontamento.

Esta tabela tem como chave primaria o campo apontamento_sk, esse campo por
sua vez armazena um valor do tipo inteiro que funciona como chave identificadora
para esta tabela. A relação da tabela fato de apontamento com as demais tabe-
las se dá de 1 para n, ou seja, cada apontamento possuí somente um item, um
operador, um equipamento,um centro de trabalho, um processo e uma ordem de
 82

produção, no entanto, ambos os itens citados podem ter um ou mais apontamentos

vinculados a si.

3.6.2 ETL - Transformação de dados

O data warehouse construído para o presente trabalho possuí a formação

composta por sete tabelas. Para realizar a transformação dos dados em informa-
ções que pudessem ser posteriormente carregadas e analisadas através do Power
BI, utilizou-se um conjunto de sete planilhas Excel, onde cada planilha, por sua vez
ficou encarregada de representar as tabelas presentes no DW.

Desta forma, obteve-se as seguintes planilhas de ordem de produção e

apontamentos de produção, responsáveis por representar as duas tabelas fato do
data warehouse e as planilhas de processos, itens, equipamentos, operadores e
centros de trabalhos, responsáveis por representar as tabelas de dimensões pre-
sentes no DW.

Para tornar possível a elaboração dos dashboards, serão utilizados dados

de amostragem com informações fictícias semelhantes as informações presentes
no BD da empresa. Desta forma, os dashboards serão construídos com dados
de amostragem, no entanto, as estruturas dos mesmos, já serão planejadas para
poderem trabalhar com os dados carregados diariamente da conexão do Power BI
com o banco de dados utilizado pelo ERP CIGAM da empresa objeto de estudo.

A seguir serão apresentadas as planilhas Excel responsáveis por repre-

sentar as tabelas do data warehouse, juntamente com os dados que as mesmas
armazenam.

A primeira tabela de amostra apresentada, é a tabela com os dados refe-

rentes aos apontamentos de produção. Esta tabela fato é a principal tabela do data
warehouse, pois, representa todos os movimentos de produção que ocorrem no
setor de usinagem. A tabela apontamentos possui ligação direta com as tabelas
dimensões de itens, operadores, equipamentos, processos de produção e centros
de trabalho. Esta tabela também possui uma ligação indireta com a tabela fato de
ordens de produção, esta por sua vez, se dá através da tabela de itens que está
ligada diretamente a tabela de ordens de produção. A tabela que representa os
 83

apontamentos de produção está representada pela Figura 13.

Figura 13: Tabela apontamentos de produção

Na Figura 13 pode-se observar os principais dados presentes na tabela

de apontamentos de produção. A primeira coluna é aquela que faz referência ao
número das ordens de produção. Este campo é de suma importância para o fun-
cionamento do apontamento de produção, e isso se dá devido ao fato que todo
apontamento possuí vínculo com uma ordem de produção.

Dando sequência aos campos da tabela, tem-se a coluna responsável por

armazenar a “Quantidade total” do lote de itens que está sendo produzido neste
apontamento. É importante salientar que em alguns casos os lotes de itens são
produzidos de forma parcial, e isso por sua vez, ocorre devido ao grande número
de itens que são fabricados simultaneamente dentro do setor de usinagem. Desta
forma, para armazenar os dados dos lotes de itens fabricados de forma parcial,
existe a coluna na tabela de apontamentos chamado de “Quantidade fabricada”.

As colunas “Talão” e “Nome_Talão” representam respectivamente o nú-

mero do processo e o nome do processo. O número do processo é equivalente a
ordem em que os processos são executados na fabricação dos itens, dessa forma,
o talão de número 1 faz menção ao primeiro processo executado na fabricação de
um item, o talão de número 2 faz menção ao segundo processo e assim sucessi-
vamente até o item ser finalizado. Já a coluna “Descrição Problema” é responsável
por armazenar as causas de problemas que podem ocorrer durante a execução
de um processo, essas causas são informadas pelos colaboradores e podem ser
 84

problemas relacionados a defeitos em maquinas, problemas nas matérias primas,

entre muitos outros.

A coluna “Data” armazena as informações da data no qual está sendo reali-

zado o processo de produção. As colunas chamadas de “Tempo previsto” e “Tempo
realizado” armazenam respectivamente a duração prevista para realização de um
determinado processo e duração realizada para a execução deste.

Por fim, a tabela fato de apontamentos de produção também possuí colu-

nas que são responsáveis por armazenar dados referentes aos tempos de produ-
ção. Dessa forma, as colunas “Hora inicial” e “Hora final” fazem referência respec-
tivamente aos apontamentos de início e termino de processo informados por cada
colaborador quando este inicia ou termina de executar um processo de produção
em um item.
Figura 14: Tabela centro de trabalho

A Figura 14 representa a tabela responsável por armazenar as informa-

ções referentes aos centros de trabalho. Esta tabela possui duas colunas sendo, a
primeira o código identificador de cada centro de trabalho, e a segunda a descrição
ou o nome dado a cada centro de trabalho.
Figura 15: Tabela de equipamentos

A tabela apresentada na Figura 15 é a responsável por armazenar as infor-

mações das maquinas e equipamentos presentes no setor da usinagem. Esta ta-
 85

bela conta com duas colunas sendo essas, a coluna “Código” e a coluna “Nome”. A
coluna “Código” armazena informações sobre os códigos identificadores que cada
maquina ou equipamento possui, já a coluna “Nome”, armazena por sua vez o
nome ou a descrição dada para cada máquina e equipamento existentes no setor
de usinagem.

Figura 16: Tabela de itens

A tabela de Itens apresentada na Figura 16 é a tabela responsável por ar-

mazenar informações referentes aos itens fabricados no setor de usinagem. Esta
tabela conta com cinco colunas sendo essas respectivamente, a coluna de “Des-
crição”, “Referência”, “Grupo”, “Marca” e “Preço de lista”. A coluna “Descrição”
armazena os nomes dados para cada item. Dando sequência, a coluna “Referên-
cia” armazena os códigos referência que cada item possui, esses códigos por sua
vez, são os principais identificadores utilizados para catalogar cada item dentro da
empresa.

A coluna “Grupo”, é a responsável por identificar a qual grupo de itens

um determinado item pertence. Normalmente o ponto chave usado para definir
a qual grupo um determinado item irá pertencer é a sua descrição ou as suas
características individuais. A coluna “Marca” armazena informações referentes as
marcas originais a qual o item pertence. E por fim, a coluna de “Preço de lista”
armazena os valores referentes aos preços base que os itens são vendidos.
 86

Figura 17: Tabela de operadores

A Figura 17 apresenta a tabela de operadores, está tabela possui duas co-

lunas. A primeira coluna é a coluna “Código” essa faz referência ao código utilizado
para identificar cada operador ou colaborador dentro do centro de trabalho onde o
mesmo opera. A segunda coluna presente na tabela de operadores é a coluna
“Nome”, esta, é responsável por armazenar o nome de cada operador que trabalha
na empresa.
Figura 18: Tabela de processos

A tabela apresentada pela Figura 18, é a tabela responsável por armaze-

nar os dados referentes aos processos executados dentro de cada centro de traba-
lho. Essa tabela conta com cinco colunas, onde a coluna “Nome_Talão” armazena
os nomes de cada processo, a coluna “Numero processo” armazena informação
 87

do código identificador de cada processo, a coluna “Tempo Previsto” armazena

os tempos previstos para a execução de cada processo, a coluna “Código Setor”
armazena o código identificador que cada centro de trabalho possuí e por fim, a co-
luna “Nome Setor” armazena informações referentes aos nomes dados para cada
centro de trabalho.
Figura 19: Tabela ordens de produção

A Figura 19 representa a tabela fato de ordens de produção. Esta tabela

possui sete campos, os mesmos são responsáveis por armazenar informações re-
ferentes a todos os componentes que constituem uma ordem de produção. Desta
forma, a tabela fato ordem de produção é formada pelas seguintes colunas: “Or-
dem número”, “Tempo previsto”, “Quantidade total”, “Data”, “Processo”, “Liberação”
e “Item Codigo”.

A coluna chamada de “Ordem número” armazena o número único que cada

ordem de produção possui, esse número é gerado pelo CIGAM de forma sequen-
cial a cada nova ordem de produção aberta. A coluna “Tempo previsto” armazena
valores dos tempos que forma previamente calculados para a execução de cada
processo.

Dando sequência, a coluna “Quantidade total” armazena informações re-

ferente a quantidade total que deve ser fabricada em cada ordem de produção,
ou seja, essa coluna é responsável por armazenar as informações referentes as
quantidades totais de cada lote de itens a serem produzidos dentro das ordens
 88

de produção. As colunas “Data” e “Processo” armazenam respectivamente infor-

mações referentes as datas em que as ordens de produção são abertas e aos
processos que constituem as mesmas.

Por fim, as duas ultimas colunas presentes na tabela fato ordem de pro-
dução são a coluna “Liberação” e a coluna “Item Codigo”. A coluna “Liberação”
armazena a informação sobre um número que é utilizado como forma de identifi-
cação auxiliar para uma ordem de produção. Já a coluna “Item Codigo” é principal
responsável por armazenar a informação referente a qual item está sendo solici-
tado em cada ordem de produção.

3.6.3 ETL - Carga de dados

O processo de carga de dados foi realizado em dois momentos distin-

tos. Primeiramente realizou-se a carga dos dados contidos nas planilhas Excel
de amostragem para dentro de um banco de dados Postgresql através da utiliza-
ção da ferramenta Pentaho Data Integration. A carga de dados nessa etapa se
deu principalmente para realizar a organização e a construção de como deverão
se comportar os dashboards no momento em que os mesmos receber os dados
diretamente do banco de dados do ERP CIGAM utilizado pela empresa. A Figura
10 apresenta um exemplo da realização do processo de carga de dados realizado
pelo PDI para dentro do banco de dados Postgresql.

Figura 20: Carga de dados para dentro do Postgresql

A segunda etapa do processo de carga de dados irá acontecer a partir da

conexão direta entre o banco de dados do CIGAM com a ferramenta Power BI.
Nesta etapa, a construção dos dashboards já estará concluída devido aos testes
realizados com os dados das planilhas de amostragem. A frequência em que os
dados do CIGAM serão carregados nos dashboards do Power BI será diária, isto,
 89

ocorrerá devido ao fato de que todos os dias novas informações são lançadas
no sistema através dos apontamentos de produção. Esses apontamentos geram
diariamente novas cargas de dados que irão contribuir de forma significativa, para a
realização do processo de avaliação da efetividade do setor de usinagem realizado
através dos dashboards desenvolvidos pelo Power BI.

3.7 APRESENTAÇÃO DOS RESULTADOS

A seguir serão apresentados os resultados obtidos através dos dashbo-

ards responsáveis por realizar da analise de efetividade de produção do setor de
usinagem da empresa Romar F. Mann Cia Ltda.

3.7.1 Apresentação dos Dashboards desenvolvidos

Para atingir o objetivo de realizar a avaliação e analise da efetividade do

setor de usinagem da empresa onde este trabalho foi desenvolvido realizou-se a
construção de dois dashboards, um dashboard voltado para a avaliação da produ-
ção do setor e outro voltado para a analise da efetividade do setor.

3.7.1.1 Dashboard de produção

Para realizar a analise da produção realizada dentro do setor de usinagem

foi desenvolvido o Dashboard de produção. Esse dashboard é composto por qua-
tro gráficos, uma tabela, três cartões de informações e um segmentador de dados.
Os indicadores analisados pelos componentes que constituem o Dashboard de
produção são referentes as informações dos itens fabricados durante o período de
aproximadamente um ano de produção.

Os dados utilizados para a criação deste dashboard são dados de amos-

tra, com isso pode se afirmar que as informações referentes aos itens, processos,
operadores e aos valores monetários de natureza fictícia, enquanto os dados re-
ferentes as datas, tempos de produção, apontamentos e as ordens de produção
são dados reais extraídos através dos relatórios de produção fornecidos pelo ERP
CIGAM utilizado pela empresa.

Apesar de ter sido utilizado dados de amostragem para realizar o desen-

volvimento destes dashboards, é importante salientar que os mesmos poderão ser
 90

posteriormente implantados para uso na empresa, isso por sua vez, se justifica por
que os dados de amostra utilizados possuem valores e tipos semelhantes aos da-
dos verdadeiros presentes dentro do banco de dados da empresa. A seguir será
apresentado através da Figura 21 o Dashboard de produção desenvolvido para
analisar o setor de usinagem.

Figura 21: Dashboard de produção

Na parte superior deste Dashboard de produção pode ser observado a

existência de três cartões de dados. Esses cartões podem ser utilizados como
complemento para os gráficos presentes no Dashboard de produção e possuem
como objetivo demostrar respectivamente o número total de ordens de produção
trabalhadas durante o período analisado, a quantidade total de itens fabricada
nesse período e o valor total obtido através da fabricação destes itens neste pe-
ríodo.

Localizado logo abaixo da logo marca da empresa pode ser observado o

segmentador de dados, esse por sua vez, tem a função de possibilitar ao gestor
de produção a aplicação de um filtro de dados por período. O período filtrado pode
ser tanto por ano de produção quanto por mês de produção.

Para dar sequência a apresentação do Dashboard de produção, serão

 91

apresentados de forma individual os gráficos responsáveis por trabalhar com os

indicadores de produção presentes no setor de usinagem.

O gráfico apresentado pela Figura 22 é o gráfico responsável por demostrar

quais foram os itens fabricados no setor de usinagem durante o período analisado
juntamente com as quantidades fabricadas de cada item.

Figura 22: Quantidade fabricada por item

O segundo gráfico pertencente ao Dashboard de produção é o gráfico que

apresenta valores referentes a quantidade fabricada por cada operador que traba-
lha no setor de usinagem. O gráfico de Quantidade fabricada por operador pode
ser visto na Figura 23.
 92

Figura 23: Quantidade fabricada por operador

Na sequência a Figura 24 apresenta a quantidade de itens fabricados por

marca. O objetivo deste gráfico é demonstrar para os gestores que irão utiliza-lo
quais são as marcas de itens que mais possuem demanda de produção. Desta
forma, o gestor terá a possibilidade de analisar quais as marcas são mais pedidas
podendo assim reprogramar o foco de produção para dar mais o menos atenção a
uma determinada marca.
 93

Figura 24: Quantidade fabricada por marca

O gráfico apresentado pela Figura 25 possuí o objetivo de demonstrar a

quantidade fabricada de acordo com cada grupo de itens. Esse gráfico pode ser
utilizado de forma semelhante a gráfico de quantidade produzida por marca, no
entanto, em vez de utilizar as marcas de itens para guiar a produção esse gráfico
faz uso dos grupos de itens para informar ao gestor quais os grupos de itens são
mais demandados para a produção.
 94

Figura 25: Quantidade fabricada por grupo

A tabela valor total por item é a ultima parte que compõe o Dashboard de
produção. Esta tabela tem como principal objetivo mostrar para os gestor quanto
foi produzido de cada item e quanto foi o valor monetário obtido através desta
produção. Os valores monetários presentes nesta tabela podem ser visualizados
de forma individual por item ou como um valor total obtido através soma de todos
os itens fabricados durante o período analisado. A tabela valor total por item pode
ser visualizada através da Figura 26.
 95

Figura 26: Tabela valor total por item

3.7.1.2 Dashboard de efetividade

O Dashboard de efetividade possuí o objetivo semelhante ao Dashboard

de produção. No entanto, esse dashboard tem seu foco voltado para a analise dos
dados referentes a quão efetivo foi o setor de usinagem durante o período anali-
sado pelo mesmo. Desta forma, os seus componentes possuem a capacidade de
analisar os dados retirados dos indicadores relacionados aos tempos de produção.
Os dados dos operadores presentes nesse dashboard são de natureza fictícia,
portanto nenhuma informação delicada foi apresentada através do mesmo.

O Dashboard de efetividade é composto por quatro gráficos, dois cartões

de informações e dois segmentadores de dados. Esses cartões estão localizados
na parte superior do Dashboard de efetividade e possuem como principal função
auxiliar os gráficos demostrando informações referentes aos apontamentos reali-
zados durante o período analisado e a produção de itens obtida através destes
apontamentos. Os segmentadores por sua vez, tem como objetivo possibilitar ao
gestor realizar a filtragem de informações pelo ano de produção e pelos grupos de
itens produzidos. Desta forma, o mesmo poderá verificar os status de produção de
cada grupo de itens dentro do ano filtrado. A Figura 27 apresenta o Dashboard de
efetividade juntamente com seus componentes.
 96

Figura 27: Dashboard de efetividade

O primeiro gráfico apresentado através do Dashboard de efetividade é o

gráfico responsável por medir a efetividade do setor de usinagem através da com-
paração da quantidade de itens demandada pela quantidade de itens produzida.

Pode-se observar através deste gráfico que as quantidades demandadas

são sempre superiores as quantidades produzidas, isto por sua vez significa que,
nem sempre um lote de itens é terminado no mesmo mês em que é começado.
Também é possível observar ocorre um grande aumento na demanda e na produ-
ção entre os meses finais de 2020 e os meses iniciais de 2021, isso ocorre por que
durante esses períodos de tempo está ocorrendo a safra da soja que consequen-
temente aumenta o número de pedidos, aumentando assim também, a produção.

Analisando os resultados presentes neste gráfico fica visível que a expec-

tativa de produção do setor de usinagem é muito maior que a sua capacidade
entrega, e isso, comprovado pelo fato de que em nenhum momento ocorre os cru-
zamentos das linhas que indicam a demanda pela produção. A Figura 28 apresenta
o gráfico de quantidade demandada por quantidade fabricada.
 97

Figura 28: Quantidade total por quantidade fabricada

O segundo gráfico presente no Dashboard de efetividade é o gráfico que

trabalha com os dados extraídos através dos relatórios de produção do CIGAM. Es-
ses dados representam os tempos reais de produção ocorridos durante o período
analisado através do dashboard. Os tempos previstos são os tempos mensurados
através da fabricação de itens que possuem características semelhantes aos itens
que serão fabricados em cada processo apontado no sistema. Os tempos reali-
zados por sua vez, são obtidos através dos apontamentos de produção realizados
pelos colaboradores do setor de usinagem. Os tempos realizados são o tempo
que cada processo demora para ser realizado, ou seja, o tempo realizado é igual a
duração total de um processo.

Pode-se observar através do gráfico apresentado pela Figura 29 que a di-

ferença entre os tempos previstos e os realizados é muito grande. O motivo desta
grande diferença entre o previsto e o realizado ocorre por conta de que existem
alguns operadores do setor de usinagem que realizam o apontamento de inicio e
termino de processo juntos. Isso acontece devido a alguns fatores internos, como
por exemplo, a grande gama de itens sendo fabricados de forma simultânea no se-
tor, e também a fatores externos como a cobrança vinda de outros setores da em-
presa que acabam fazendo com que os operadores da usinagem foquem somente
em produzir, desta forma, não dando muita importância para realização correta dos
 98

apontamentos de produção.

Figura 29: Tempo previsto X realizado

O gráfico de produtividade por apontamento apresentado na Figura 30

mostra informações de efetividade dos apontamentos de produção de forma in-
dividual. Este gráfico classifica os apontamentos de produção em diferentes faixas
de efetividade levando em conta os tempos previstos e os realizados para cada
apontamento.

Nota-se através da Figura 30 que a faixa que possui a maior quantidade

de apontamentos é a faixa com mais 100% de efetividade. Isso está diretamente
atrelado ao fato de a grande maioria dos apontamentos serem realizados de forma
incorreta, dessa forma, ocorre uma grande distorção da efetividade afetando assim
a realização de uma analise mais correta dos no setor de usinagem.

Para melhorar a analise de efetividade através deste gráfico é essencial

que os operadores no setor de usinagem realizem de forma correta os apontamen-
tos de produção.
 99

Figura 30: Produtividade por apontamento

Por fim, o ultimo gráfico que constituí o Dashboard de efetividade é o grá-

fico responsável por demonstrar o número de ordens de produção que cada ope-
rador apontou. O gráfico de apontamentos por operador pode ser visto na Figura
31.

O principal objetivo do gráfico de apontamentos por operador é demonstrar

para o gestor de produção quantas ordens de produção cada operador apontou.
Este gráfico possuí forte ligação com gráfico apresentado na Figura 30. Está liga-
ção se justifica quando se leva em conta o grande número de ordens de produção
que cada operador aponta de forma correta ou não, ou seja, se as ordens forem
apontadas da maneira correta os resultados obtidos pelo gráfico de produtividade
por apontamento serão mais assertivos, no entanto, se as ordens de produção fo-
rem apontadas de forma errada o resultado será a grande distorção de dados que
ocorre no gráfico atual de produtividade por apontamento.
 100

Figura 31: Apontamentos por operador

3.8 CONSIDERAÇÕES FINAIS

Para a realização do processo de análise de efetividade do setor de usi-

nagem, foram desenvolvidos dois dashboards utilizando um conjunto misto de in-
formações. As informações relacionadas as quantidades produzidas, tempos de
produção, apontamentos de produção e ordens de produção, foram obtidas por
meio dos relatórios de produção do ERP utilizado pela empresa. Já as informa-
ções referentes aos itens, operadores, processos e valores monetários, são de
natureza fictícios e foram obtidos por meio de planilhas Excel de amostragem de
dados.

Os Dashboards de produção e de efetividade foram desenvolvidos utili-

zando amostras de dados. No entanto, mesmo fazendo uso destas informações
de amostra, constatou-se nos resultados apresentados pelos gráficos presentes
nos dashboards, que estes estão aptos para serem implantados na empresa, para
que dessa forma possam realizar a análise de efetividade do setor de usinagem,
fazendo uso das informações verdadeiras presentes dentro desse setor. O fato
dos dashboards estarem aptos para avaliar a efetividade do setor de usinagem, se
comprova no momento em que tanto o dashboard de produção, quanto o dash-
board de efetividade, conseguiram fazer de forma satisfatória a análise dos dados
 101

de amostra utilizados, e isso, por sua vez se justifica por que os tipos de informa-
ções armazenadas pelos dados de amostra, são de tipos semelhantes aos dados
verdadeiros presentes no setor de usinagem.

O processo de implantação dos dashboards no setor de usinagem não foi

concluído, devido ao fato de que o banco de dados do ERP CIGAM não possuí
nenhuma documentação na empresa, e isso, por sua vez, gerou uma obstrução no
processo de mapeamento das informações necessárias para alimentar os dashbo-
ards. Houve uma tentativa de se obter a documentação do banco de dados por
meio da equipe de TI da empresa MANN, porém quando solicitado para a equipe
do CIGAM apenas as tabelas que possuíam as informações necessárias, os mes-
mos enviaram todo o seu esquema de tabelas contendo mais de mil e quatrocentas
tabelas.

Como continuação para o presente trabalho, pretende-se realizar o termino

do mapeamento do banco de dados do CIGAM, para que assim seja possível im-
plantar os Dashboards de produção e efetividade no setor de usinagem. Posterior-
mente como forma de se melhorar e expandir a visão obtida através da análise dos
dados de produção, deseja-se realizar a implantação dos dashboards nos demais
setores presentes na empresa para que assim, a análise realizada pelos mesmos
possa proporcionar aos gestores da empresa uma visão da capacidade de produ-
ção da empresa como um todo.
 CONCLUSÃO

Diante do cenário atual em que o mundo se encontra, tomar decisões

tornou-se ainda mais uma tarefa que não pode assumir riscos. Sendo assim, as
ferramentas existentes de BI, se bem utilizadas, podem facilitar as tomadas de de-
cisões por parte dos gestores da organização.

Neste sentido, o trabalho desenvolvido buscou analisar o setor de usina-

gem da empresa, com o intuito de verificar a sua efetividade. Para isto, ao longo do
trabalho que se iniciou em agosto de 2020, o setor foi observado por meio da coleta
de dados dos apontamentos de produção, visitas e conversas com os responsáveis
pelo setor a fim de possibilitar a elaboração do trabalho.

Os objetivos específicos do trabalho foram os seguintes "Criar um conjunto

de dados (Dataset) com os dados do processo de produção"que foi atingido. "Criar
indicadores que permitem avaliar o custo e o tempo de produção do setor de usina-
gem"que foi atingido. "Utilizar a ferramenta Power BI Desktop no desenvolvimento
de visões e Dashboards que auxilie na análise das informações coletadas"que foi
atingido. "Comparar o tempo de produção estimado com o tempo real de produ-
ção"que foi atingido. "Identificar possíveis gargalos no processo de produção"que
não foi atingido devido aos dados que foram fornecidos não conterem informações
a respeito. "Sugerir melhorias no processo de produção"que foi atingido. "Docu-
mentar e apresentar os resultados"que foi atingido.

O objetivo de analisar a efetividade de produção no setor de usinagem de

uma empresa do ramo metal mecânico utilizando-se de uma ferramenta de Busi-
 103

ness Intelligence, foi atingido. Em razão dos dados coletados, foi possível aplicá-los
em uma ferramenta de BI e transformar os dados em informações relativos a pro-
dução e a efetividade do setor. A comprovação disso pode ser observada através
dos Dashboards de produção e efetividade representados respectivamente pelas
Figuras 21 e 27. Através dos mesmos, foi possível realizar a análise de efetividade
através dos tempos de produção, bem como analisar a quantidade fabricada por
item, por marca, por grupo, por operador e também um comparativo dos itens com
relação a sua quantidade fabricada e o valor total faturado por item (os valores to-
tais utilizados para a análise podem sofrer variação no preço de venda, pois foram
utilizados o valor contido no preço de lista, que é o preço base do item).

Em relação a efetividade, foi possível comparar através do Dashboard de

efetividade apresentado pela Figura 27 a quantidade demandada e a quantidade
fabricada, a produtividade por apontamento, o tempo previsto e o tempo realizado
e os apontamentos por operador.

A primeira hipótese levantada apresenta que “A aplicação de Business In-

telligence identifica gargalos no processo de produção que atrasam a entrega do
produto final na empresa objeto de estudo. ” Está hipótese não foi corroborada,
pois, através do conjunto de dados extraídos do banco de dados do CIGAM não
foi possível encontrar nenhuma informação com a qual fosse possível realizar essa
analise processual a fim de se identificar gargalos no processo de produção.

A segunda hipótese levantada apresenta que “Com a aplicação de uma

ferramenta de BI será possível propor melhorias que adaptem a produção ao que
foi previamente planejado pela empresa objeto de estudo.” Está hipótese foi cor-
roborada, pois a partir das informações geradas nos gráficos apresentados pelas
Figuras 29 e 28, pode-se perceber que os tempos previstos e as quantidades totais
das ordens de produção são sempre maiores que os tempos realizados e as quan-
tidades fabricadas. Com a relação à comparação dos tempos, percebe-se que há
uma falha humana na parte dos apontamentos, pois alguns colaboradores não o
fazem corretamente, pois o correto seria no início do trabalho fazer o apontamento
inicial e ao termino o final, mas acontece que em muitos dos casos o apontamento
o inicial e final é realizado ao termino do processo, o que gera uma não confor-
 104

midade no tempo realizado. Desta forma, a maior sugestão de melhoria quanto

aos tempos de produção é a realização correta dos apontamentos, pois, se esses
forem realizados de forma correta os dados analisados fornecerão aos gestores
resultados mais assertivos. Já em relação as quantidades demandadas e produzi-
das no setor de usinagem, será possível adequar as mesmas quando os gestores
de produção obtiverem através dos dashboards uma visão mais ampla e clara da
capacidade presente nesse setor para assim, seja possível adequar a produção de
forma que as demandas consigam ser atingidas.

Ao longo do desenvolvimento do trabalho foram encontradas algumas difi-

culdades, sendo a principal delas, a dificuldade de acesso ao banco de dados com
as informações para gerar os dashboards com dados atualizados. Tendo em vista
que a empresa responsável pelo ERP enviou todas as tabelas do mesmo, quando
foi solicitado apenas algumas informações, optou-se por trabalhar com dados de
amostra, pois como não se possuía conhecimento sobre o banco de dados, não
haveria tempo hábil de identificar todas as informações.

De modo geral, pode-se dizer que o trabalho desenvolvido proporcionou

aos acadêmicos novas visões de conhecimento, ao ponto de pegar os dados e
transforma-los em informações claras e intuitivas. Sendo assim, a empresa objeto
de estudo poderá utilizar-se da estrutura desenvolvida para a tomada de decisões
no dia a dia.

Como propostas futuras para o trabalho, fica a possibilidade de aplicar o BI

nos outros setores de produção da empresa, tendo em vista que no cenário atual,
o setor de usinagem é o que está mais informatizado, e também a possibilidade de
implementar um hardware nos tornos CNCs e nos Centros de Usinagem para que
assim se colete informações da produção direto dos equipamentos, desta forma,
tornando possível comparar oque foi apontado pelos colaboradores com o que foi
obtido através das informações coletadas pelos tempos de máquinas.
 REFERÊNCIAS

ABIMAQ. 2019. Pesquisa: investimentos realizados e previstos,

<http://www.abimaq.org.br/site.aspx/intencaoinvestimento//>. [Online]. On-
line.

ABIMAQ. 2020. Boletins DCEE, <http://www.abimaq.org.br/site.aspx/boletim-

dcee//>. [Online]. Online.

BALTZAN, P.; PHILLIPS, A. 2012. Sistemas de Informação. 1.ed. Porto Alegre:

AMGH. ISBN 978-85-8055-076-4.

BORDELEAU, F.-E.; MOSCONI, E.; SANTA-EULALIA, L. A. D. 2018. Business In-

telligence in Industry 4.0: state of the art and research opportunities. Artigo
- Trabalhos Relacionados.

BOTEGA, D. L. 2018. SOLUÇÃO COM BUSINESS INTELLIGENCE PARA APOIO

NO PLANEJAMENTO DA PRODUÇÃO UM CASE APLICANDO COMPUTA-
ÇÃO IN-MEMORY COM SAP HANA. Artigo - Trabalhos Relacionados.

CORIGUAZI, D. M. C.; SIMON, A. T. 2019. INTERAÇÕES ENTRE FERRAMEN-

TAS DE BUSINESS INTELLIGENCE E TECNOLOGIAS DA INDÚSTRIA 4.0 NA
GESTÃO DA CADEIA DE SUPRIMENTOS. Artigo - Trabalhos Relacionados.

COSTA, A. P. P. d. 2008. Balanced Scorecard: conceitos e guia de implemen-

tação. 1.ed. São Paulo: Atlas. ISBN 978-85-224-4256-0.

FRANCISCHINI, A. S. N.; FRANCISCHINI, P. G. 2018. ndicadores de Desempe-

 106

nho: dos objetivos à ação — métodos para elabora KPIs e obter resultados.
1.ed. Rio de Janeiro: Alta Books. ISBN 8550804282, 9788550804286.

GONçALVES, G. R. B. 2017. Sistemas de Informação. 1.ed. Porto Alegre: SA-

GAH. ISBN 978-85-9502-227-0.

GROOVER, M. P. 2017. Fundamentos da manufatura moderna. 5.ed. Rio de

Janeiro: LTC. ISBN 978-85-216-3411-9.

HAFFNER, J. A. H. 2002. A CEPAL e a Industrialização Brasileira. 1.ed. Porto

Alegre: EDIPURS. ISBN 8574302740, 9788574302744.

HITACHI. 2020. Site oficial Pentaho, <https://help.pentaho.com/documentation//>.

[Online]. Online.

JOREJ, F. 2010. IMPLEMENTAÇÃO DE UM SISTEMA E BUSINESS INTELLI-

GENCE PARA UMA EMPRESA DO RAMO METALÚRGICO. Artigo - Trabalhos
Relacionados.

KIMBALL, R.; CASERTA, J. 2004. The Data Warehouse ETL Toolkit Practical
Techniques for Extracting, Cleaning, Conforming, and Delivering Data. 1.ed.
Indianápolis: Wiley Publishing, Inc. ISBN 0-764-57923-1.

KROENKE, D. M. 2012. Sistemas de Informação Gerenciais. 1.ed. São Paulo:

Saraiva. ISBN 978-85-02-18370-4.

LASI, H. 2013. Industrial intelligence - a business intelligence-based appro-

ach to enhance manufacturing engineering in industrial companies. Artigo -
Trabalhos Relacionados.

LOVATO, A. 2013. Metodologia da pesquisa. 1.ed. Três de Maio: SETREM. ISBN

978-85-99020-05-0.

MANN. 2020. Site oficial Romar Mann & Cia Ltda,

<http://www.rfmann.com.br/es>. [Online]. Online.

MARCONI, M. d. A.; LAKATOS, E. M. 2017. Metodologia Científica. 7.ed. São

Paulo: Atlas. ISBN 978-85-970-1183-3.
 107

MARCONI, M. d. A.; LAKATOS, E. M. 2018. Técnicas de pesquisa. 8.ed. São

Paulo: Atlas. ISBN 978-85-97-01352-8.

MATOS, L. L.; MARSARO, M. F.; MATOS, I. D. C. 2019. PROCESSO DE IMPLE-

MENTAÇÃO DO BUSINESS INTELLIGENCE PARA SUPORTE NA TOMADA
DE DECISÕES NA ÁREA PORTUÁRIA DE UMA MINERADORA NA CIDADE
DE SÃO LUÍS - MA. Artigo - Trabalhos Relacionados.

MATTOS, G. 2011. Dicionário Júnior da língua portuguesa. 4.ed. São Paulo:

FTD. ISBN 978-85-322-7901-9.

MICROSOFT. 2020. Site oficial Power BI, <https://powerbi.microsoft.com/pt-

br//>. [Online]. Online.

MISKUF, M.; ZOLOTOVá, I. 2015. Application of Business Intelligence Soluti-

ons on Manufacturing Data. Artigo - Trabalhos Relacionados.

MISKUF, M.; ZOLOTOVá, I.; NEMCíK, M. 2016. Application of Business Intel-

ligence Solutions from Microsoft and IBM on Manufacturing Data. Artigo -
Trabalhos Relacionados.

NAILIAN, M. J. H. 2010. The Operations Plan Management System of Metallur-

gical Mining Enterprise Based on Business Intelligence. Artigo - Trabalhos
Relacionados.

NEUMANN, C. 2013. Gestão De Sistemas De Produção E Operações: pro-

dutividade, lucratividade e competitividade. 1.ed. São Paulo: Elsevier. ISBN
978-85-352-5582-9.

OLIVEIRA, M. S. C. d.; AGUIAR, E. C.; ALMEIDA, M. R. d. 2019. BUSINESS IN-

TELLIGENCE: um estudo sobre a implantaÇÃo em indÚstrias de pequeno
porte. Artigo - Trabalhos Relacionados.

PANTOJA, J. P. G.; PARISE, A. C.; SA, J. A. S. d. 2017. ADAPTABILIDADE DO

BUSINESS INTELLIGENCE NO MEIO ORGANIZACIONAL: uma abordagem
multicasos. Artigo - Trabalhos Relacionados.
 108

PAPAZOGLOU, M. P.; ELGAMMAL, A. 2017. The Manufacturing Blueprint Envi-

ronment: bringing intelligence into manufacturing. Artigo - Trabalhos Relaci-
onados.

POSTGRE. 2020. Site oficial Postgre, <https://www.postgresql.org/docs/13/intro-

whatis.html>. [Online]. Online.

PRAMUDITA, C. D. 2016. The Balanced Scorecard as Strategic Controlling Ins-

trument. Introducing the Indicators-based BSC for Implementation of a Cor-
porate Strategy from Four Different Perspectives. 1.ed. Hamburg: Anchor
Academic. ISBN 3960675410, 9783960675419.

PRATES, G. L.; MELO, L. M. 2020. O PROCESSO DE IMPLANTAÇÃO DE BU-

SINESS INTELLIGENCE PARA ANÁLISE DAS INFORMAÇÕES DE MANEIRA
ÁGIL: o caso de um correspondente bancÁrio. Artigo - Trabalhos Relaciona-
dos.

RIFKIN, J. 2011. The Third Industrial Revolution: how lateral power is trans-
forming energy, the economy, and the world. 1.ed. New York : St. Martin’s
Publishing Group. ISBN 023034058X, 9780230340589.

SEBRAE. 2020. Tendências do setor metalmecânico para as pequenas indús-

trias 2019/2020, <https://sebraers.com.br/metalmecanico/tendencias-do-setor-
metalmecanico-para-as-pequenas-industrias/>. [Online]. Online.

SHARDA, R.; DELEN, D.; TURBAN, E. 2019. Business Intelligence e análise de

dados para gestão do negócio. 4.ed. Porto Alegre: Bookman. ISBN 978-85-
8260-520-2.

SLACK, N.; JONES, A. B.; JOHNSTON, R. 2018. Administração da Produção.

1.ed. São Paulo: Atlas. ISBN 978-1-292-09867-8.

TESLA. 2016. Processos de Usinagem, <https://teslaconcursos.com.br/wp-

content/uploads/2016/03/processos_de_usinagem-1.pdf>. [Online]. Online.

TURBAN, E.; SHARDA, R.; ARONSON, J. E.; KING, D. 2009. Business Intelli-
gence: um enfoque gerencial para a inteligência do negócio. 1.ed. Porto
Alegre: Bookman. ISBN 978-85-7780-334-7.
 109

UçAKTURK, A.; UçAKTURK, T.; YAVUZ, H. 2015. Possibilities of Usage of Stra-

tegic Business Intelligence systems Based on Databases in Agile Manufac-
turings. Artigo - Trabalhos Relacionados.

YUAN, C.; ZHIGANG, L. 2010. The Research Application of Process-oriented

Business Intelligence in Manufacturing Industry. Artigo - Trabalhos Relacio-
nados.
APÊNDICES
 APÊNDICE A: ORÇAMENTO

Quadro 3: Orçamento

Recursos utilizados Valor Unitário Quantidade Valor Total

Impressões R$ 0,25 500 R$ 125,00
Horas trabalhadas R$ 30,00 600 R$ 18.000,00
Mensalidade R$ 2000,00 26 R$ 52.000,00
Capa dura R$ 30,00 2 R$ 60,00
Total R$ 70.185,00
 APÊNDICE B: CRONOGRAMA
Quadro 4: Cronograma

2020 2021
Atividade / Período
Ago Set Out Nov Dez Jan Fev Mar Abr Mai Jun Jul
Definição do tema do TCC X
Documentar trabalho X X X X X X X X X X X
Desenvolvimento do capitulo 1 X X X
Desenvolvimento do capitulo 2 X X
Entrega e validação do projeto de TCC X
Apresentação da pré-banca do projeto X
de TCC
Desenvolvimento do capitulo 3 X X X X X X X X
Definir os indicadores X X X X
Criar e organizar o Data Set de dados X X X X
Desenvolver os painéis no Power BI X X X
Analisar e interpretar os dados obtidos X X X
Documentar os resultados obtidos X X X X
Apresentação e entrega do trabalho fi-
nal

LEGENDA
Previsto
Realizado X
Previsto e Realizado X