Vice-reitoria para Assuntos Acadêmicos

O artigo Gestão de estoques de suprimentos de alívio de desastres considerando o custo de privação, de autoria da aluna Maria Angélica Silva e coautoria dos professores Adriana Leiras, do Departamento de Engenharia Industrial da PUC-Rio, Tharcisio Fontainha, da UFRJ, e Irineu Brito Jr., da UNESP, recebeu o prêmio de Melhor Artigo do workshop de Pós-Graduação do XLII Encontro Nacional de Engenharia de Produção (ENEGEP). O artigo analisa o efeito da inclusão de custos de privação na gestão de estoque de suprimentos de alívio em casos de desastres:

– O custo de privação quantifica o sofrimento causado às vítimas de desastres pela falta de suprimentos de alívio, como água e alimento, itens essenciais para a humanidade. Os recursos disponíveis podem não ser suficientes para atender às necessidades dos beneficiários, ocasionando um impacto significativo, ponderam os autores.

No estudo, um modelo básico de gestão de estoque considerando os custos de privação foi formulado como um modelo estocástico de dois estágios. Além disso, foram analisadas diversas funções de custo de privação encontradas na literatura. O modelo foi validado empiricamente por meio de um estudo de caso.

Fotos: divulgação

– A lacuna abordada foi a análise de diferentes funções de privação já propostas na literatura. Os resultados sugerem que a escolha da função de privação pode gerar até 99,9% de diferença nos custos totais de gestão de estoque. O nível de serviço gerado também apresenta grande amplitude quando comparado às diferentes funções. Concluiu-se, então, que as funções desenvolvem diferentes níveis de serviço cabendo aos tomadores de decisão escolher qual se adequaria melhor ao problema estudado – resume a aluna.

Como contribuição prática, Silva destacou o modelo de gestão de estoques proposto, que considera como o custo de privação pode auxiliar os tomadores de decisão e diminuir o sofrimento das pessoas afetadas por desastres. “Como contribuição acadêmica, o estudo compara as principais funções de privação propostas na literatura, o que pode ajudar na proposição de novos modelos", observa.

Menção Honrosa – O artigo Métodos de apoio multicritério à decisão e modelos de machine learning na gestão de estoques: um estudo de caso em uma ferrovia de transporte de cargas, do aluno Guilherme Henrique de Paula Vidal, em coautoria com o professores Luiz Felipe Roris Rodriguez Scavarda do Carmo e Rodrigo Goyannes Gusmão Caiado, ambos do Departamento de Engenharia Industrial, recebeu Menção Honrosa do prêmio. O artigo é também finalista do Prêmio Itaipu ABEPRO 2022 de melhor Dissertação de Mestrado Acadêmico do XLII ENEGEP.

A dissertação apresenta uma metodologia de apoio à decisão na gestão de estoques, que combina métodos multi-criteria decision making (MCDM) e machine learning (ML). Primeiramente, foi realizada uma revisão sistemática da literatura para analisar como os dois métodos são aplicados na gestão de estoques e os resultados foram complementados com um scoping review abrangendo a previsão de demanda.

Fotos: divulgação

– Iniciou-se então um estudo de caso, aplicado em uma ferrovia de transporte de cargas. Foi aplicado, inicialmente, o método MCDM híbrido Fuzzy AHP Vikor para ranquear os stock keeping units (SKUs) em ordem de criticidade. O passo seguinte foi a aplicação do método de ML híbrido GA-ANN, artificial neural network com genetic algorithm, com o objetivo de realizar a previsão de demanda em um piloto com alguns dos itens mais críticos. A etapa final consistiu em estruturar um dashboard gerencial integrando os resultados das etapas anteriores, explica o autor. Segundo Vidal, entre os resultados alcançados, a partir do modelo proposto, observou-se considerável melhora na performance da previsão de demanda dos SKUs selecionados. “Além disso, a integração entre os métodos, e implementação em um dashboard gerencial, permitiu o desenvolvimento de um modelo semiautomático de tomada de decisão na gestão de estoques”.