Aplicação de análise de dados para a melhoria do cumprimento de entregas no planejamento da produção por projeto em uma Pequena e Média Empresa (PME) metal-mecânica dedicada à fabricação de silos industriais
DOI:
https://doi.org/10.33448/rsd-v15i4.50931Palavras-chave:
Digitalização, Big Data, Planejamento da produção, PME metal-mecânica, On-Time Delivery, Engenharia Industrial.Resumo
A transformação digital tornou-se um fator estratégico para melhorar a competitividade das pequenas e médias empresas (PMEs) do setor metal-mecânico. O presente estudo tem como objetivo melhorar o indicador de cumprimento de entregas (On-Time Delivery, OTD) por meio da aplicação de um modelo de análise de dados na planeação da produção por projeto. A metodologia baseou-se na análise de dados operacionais (anonimizados e estruturados) correspondentes a um período de seis meses, incluindo variáveis como volume de produção, retrabalhos, carga de trabalho, logística e disponibilidade de transporte. O modelo preditivo foi desenvolvido por regressão linear múltipla em ambiente Google Colab (Python/Scikit-learn). Os resultados indicam coeficiente de determinação R² = 0.862, evidenciando elevada capacidade explicativa. O OTD médio histórico foi de 69.36%, enquanto em um cenário otimizado projetou-se 81.92% (melhoria de 12.56 p.p.). Conclui-se que a análise de dados é eficaz para apoiar decisões e melhorar o desempenho operacional em PMEs industriais.
Referências
APICS. (2018). Supply chain operations reference model (SCOR). APICS.
Benítez Torres, S. G., & Barrezueta Avellán, F. F. (2023). Big Data y analítica predictiva en la toma de decisiones empresariales. Revista de Investigación y Gestión, 7(1), 35–46. https://editorialinnova.com/index.php/rig/article/view/103/314
Cevallos Guamán, E. J., Jacho Gallo, A. K., & Córdova Vaca, A. M. (2024). Big data y analítica predictiva en la toma de decisiones empresariales. Revista Ingenio Global, 4(1), 45–58.
Chávez, J. A., & Rodríguez, M. E. (2022). Big Data y su incidencia en la gestión de la cadena de suministro. Innovare: Revista de Ciencia y Tecnología, 11(1), 89–101. https://portalderevistas.uam.edu.ni/index.php/iyA/article/view/158/132
Choi, T. M., Wallace, S. W., & Wang, Y. (2018). Big data analytics in operations management. Production and Operations Management, 27(10), 1868–1883.
Cordoves Mustelier, D., & Frutos, M. (2024). Impacto y evolución del big data en la logística: Una revisión exhaustiva de tendencias y prácticas actuales. Revista Científica de Logística y Transporte, 6(2), 112–128.
Gómez, M. A., & Herrera, D. J. (2023). El uso del Big Data en la gestión de la cadena de suministro: Ventajas competitivas y desafíos para las organizaciones. Innovación y Argumentación, 4(2), 45–59. https://portalderevistas.uam.edu.ni/index.php/iyA/article/view/158/132
González-Morales, A., & Hernández-Ramírez, C. (2022). Transformación digital en PyMEs manufactureras mexicanas: Desafíos y oportunidades. Revista de Innovación y Tecnología, 8(2), 45–59.
Gunasekaran, A., Papadopoulos, T., Dubey, R., Wamba, S., Childe, S., Hazen, B., & Akter, S. (2017). Big data and predictive analytics for supply chain and organizational performance. Journal of Business Research, 70, 308–317.
Instituto Nacional de Estadística y Geografía (INEGI). (2023). Censos Económicos 2023. Gobierno de México.
Ivanov, D., Dolgui, A., & Sokolov, B. (2019). The impact of digital technology and Industry 4.0 on supply chain resilience. International Journal of Production Research, 57(3), 829–846.
Kagermann, H., Wahlster, W., & Helbig, J. (2013). Recommendations for implementing the strategic initiative Industrie 4.0. Acatech.
Marín, F., & Sciolla, M. (2023). Big Data como herramienta de mejora de la cadena de suministro. Universidad Nacional de La Plata. https://sedici.unlp.edu.ar/bitstream/handle/10915/177360/Documento_completo.pdf
Mayer-Schönberger, V., & Cukier, K. (2013). Big data: A revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt.
OECD. (2019). OECD SME and entrepreneurship outlook 2019. OECD Publishing.
Pereira, A. S., Shitsuka, D. M., Parreira, F. J., & Shitsuka, R. (2018). Metodologia da pesquisa científica. Santa Maria: UAB/NTE/UFSM.
Ramírez-Treviño, J., & Soto-López, D. (2023). Adopción de Big Data y digitalización en el sector metalmecánico mexicano. Revista de Ingeniería Industrial Latinoamericana, 12(1), 112–130.
Risemberg, R. I. C., Wakin, M., & Shitsuka, R. (2026). A importância da metodologia científica no desenvolvimento de artigos científicos. E-Acadêmica, 7(1), e0171675. https://doi.org/10.52076/eacad-v7i1.675
Romero, L. A. (2023). Big Data y transformación digital en la gestión de la cadena de suministro: Análisis de tendencias y aplicaciones en América Latina [Trabajo final de grado, Universidad Nacional de La Plata].
Salazar López, C. A. (2022). Implementación de analítica de datos y Big Data en la cadena de suministro para la optimización logística en empresas manufactureras peruanas [Tesis de maestría, Pontificia Universidad Católica del Perú]. Repositorio Institucional PUCP. https://tesis.pucp.edu.pe/server/api/core/bitstreams/9f855091-750e-422d-be5c-7ba08a0d8481/content
Slack, N., Brandon-Jones, A., & Johnston, R. (2016). Operations management (8th ed.). Pearson.
Vailos. (2023). Big Data en la cadena de suministro. https://www.vailos.com/big-data-en-la-cadena-de-suministro/
Waller, M. A., & Fawcett, S. E. (2013). Data science, predictive analytics, and big data: A revolution that will transform supply chain design and management. Journal of Business Logistics, 34(2), 77–84.
Zhong, R. Y., Newman, S. T., Huang, G. Q., & Lan, S. (2016). Big data for supply chain management in the service and manufacturing sectors.
Computers & Industrial Engineering, 101, 572–591.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Andrik Erick Castillo Leyva, Francisca Santana Robles
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
