Estudo sobre a automação da gestão dos indicadores de estoque com uso do paradigma ETL e inteligência artificial

Resumo

O objetivo desta pesquisa foi constituir um modelo baseado no paradigma ETL (Extract, Transform & Load) para permitir aos gestores da área de operações terem um melhor entendimento de como automatizar o processo decisório de gestão de estoques dentro do conceito RTBI (Real Time Business intelligence). Para isso, foram analisadas informações bases de dados públicas de dados transacionais de estoque e utilizadas técnicas de Mineração de Dados (Data Mining) para descoberta de estruturas latentes nos dados. Também foram aplicadas técnicas de detecção de tendências e de regras ou padrões que pudessem ser utilizados como suporte dos processos de gerenciamento de estoques. A metodologia utilizada para implantação dos modelos a CRISP-DM (CRoss-Industry Standard Process for Data Mining), que contempla os passos para o planejamento, organização, implementação e documentação de um projeto de mineração de dados. Para a construção do modelo, foi utilizada a plataforma KNIME (www.knime.com). Como resultado, mostra-se que sistemas automatizados para tratamento em tempo real de dados de estoque com suporte a métodos de inteligência artificial possuem potencial para melhoria da assertividade e da eficiência nos processos de gerenciamento de estoques.

Ficha do documento

Tipo

Relatório

Ano

2021

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/33393

Temas

TecnologiaDados

Palavras-chave

Automação da gestãoIndicadores de estoqueInteligência artificialAdministração de empresas