Rumo ao desenvolvimento de um sistema de apoio à decisão para a Indústria 4.0
DOI:
https://doi.org/10.23925/2179-3565.2025v16i3p41-53Palavras-chave:
Indústria, Quarta Revolução, Sistema de Apoio à Decisão, Microsoft Power BIResumo
A capacidade de adaptação e resposta rápida aos desenvolvimentos no ambiente empresarial é essencial para que as empresas sejam capazes de operar no ambiente extremamente competitivo do contexto socioeconómico contemporâneo. O desenvolvimento da Indústria 4.0 proporcionou às empresas a oportunidade de se tornarem mais competitivas. O processo de transformação digital das empresas é conhecido como Indústria 4.0. Transforma drasticamente a natureza dos negócios de uma empresa. O objetivo do estudo é determinar se as técnicas de visualização de dados promovem os sistemas de apoio à decisão. O principal objetivo da investigação será investigar as características do Microsoft Power BI. A investigação propôs a ideologia de implementação do conceito de visualização de dados no sistema de apoio à decisão. Foi utilizado um conjunto de dados de uma empresa para implementar a análise estatística e encontrar a correlação entre as variáveis. A pesquisa encontrou a correlação das variáveis juntamente com os gráficos de visualização de dados, onde os dados complexos são gerados como gráficos de barras e auxiliam as partes interessadas na tomada de decisões. Esta investigação irá abordar a construção de um sistema de business intelligence utilizando o Microsoft Power BI e os resultados alcançados.
Referências
Abualigah, L., Abd Elaziz, M., Sumari, P., Geem, Z. W., & Gandomi, A. H. (2022). Reptile Search Algorithm (RSA): A nature-inspired meta-heuristic optimizer. Expert Systems with Applications, 191, 116158. https://doi.org/10.1016/j.eswa.2021.116158
Antony, J., Sony, M., & McDermott, O. (2023). Conceptualizing Industry 4.0 readiness model dimensions: An exploratory sequential mixed-method study. The TQM Journal, 35(2), 577-596. https://doi.org/10.1108/TQM-06-2021-0180
Bousdekis, A., Lepenioti, K., Apostolou, D., & Mentzas, G. (2021). A review of data-driven decision-making methods for industry 4.0 maintenance applications. Electronics, 10(7), 828. https://doi.org/10.3390/electronics10070828
Doltsinis, S., Ferreira, P., Mabkhot, M. M., & Lohse, N. (2020). A Decision Support System for rapid ramp-up of industry 4.0 enabled production systems. Computers in Industry, 116, 103190. https://doi.org/10.1016/j.compind.2020.103190
Ghobakhloo, M. (2020). Industry 4.0, digitization, and opportunities for sustainability. Journal of cleaner production, 252, 119869. https://doi.org/10.1016/j.jclepro.2019.119869
Kabadurmus, O., Kayikci, Y., Demir, S., & Koc, B. (2023). A data-driven decision support system with smart packaging in grocery store supply chains during outbreaks. Socio-Economic Planning Sciences, 85, 101417.
Marques, R., Moura, A., & Teixeira, L. (2020, August). Decision support system for the industry 4.0 environment: Design and development of a business intelligence tool. In Proceedings of the International Conference on Industrial Engineering and Operations Management (pp. 1613-1624). https://www.ieomsociety.org/detroit2020/papers/385.pdf
Miller, M. A., & Ellis, J. M. (2016). The NAICS code selection process and small business participation. Naval Postgraduate School Monterey CA Monterey United States.
Oehlert, C., Schulz, E., & Parker, A. (2022). NAICS Code Prediction Using Supervised Methods. Statistics and Public Policy, 9(1), 58-66. https://doi.org/10.1080/2330443X.2022.2033654
Rosati, R., Romeo, L., Cecchini, G., Tonetto, F., Viti, P., Mancini, A., & Frontoni, E. (2023). From knowledge-based to big data analytic model: a novel IoT and machine learning based decision support system for predictive maintenance in Industry 4.0. Journal of Intelligent Manufacturing, 34(1), 107-121. https://doi.org/10.1007/s10845-022-01960-x
Shwab, K. (2016, January). The Fourth Industrial Revolution: what it means, how to respond. In World Economic Forum: Cologny, Switzerland.
Sony, M., & Naik, S. (2020). Key ingredients for evaluating Industry 4.0 readiness for organizations: a literature review. Benchmarking: An International Journal, 27(7), 2213-2232.
Trstenjak, M., Opetuk, T., Cajner, H., & Hegedić, M. (2022). Industry 4.0 readiness calculation—transitional strategy definition by decision support systems. Sensors, 22(3), 1185.
Zhang, M., Li, W., Zhang, L., Jin, H., Mu, Y., & Wang, L. (2023). A Pearson correlation-based adaptive variable grouping method for large-scale multi-objective optimization. Information Sciences, 639, 118737. https://doi.org/10.1016/j.ins.2023.02.055
Downloads
Publicado
Edição
Seção
Licença
Esta obra está licenciada sob uma licença Creative Commons Atribuição - No comercial - Sin derivaciones 4.0 Internacional
1.O(s) autor(es) autoriza(m) a publicação do artigo na revista;
2.O(s) autor(es) garante(m) que a contribuição é original e inédita e que não está em processo de avaliação em outra(s) revista(s);
3.A revista não se responsabiliza pelas opiniões, ideias e conceitos emitidos nos textos, por serem de inteira responsabilidade de seu(s) autor(es);
4.É reservado aos editores o direito de proceder ajustes textuais e de adequação do artigos às normas da publicação.
1.1 Copyright Statement
This journal is licensed under a Creative Commons Attribution-Non Commercial-No Derivers 4.0 International license.
1. The author (s) authorize the publication of the article in the journal;
2. The author (s) warrant that the contribution is original and unpublished and is not in the process of being evaluated in other journal (s);
3. The journal is not responsible for the opinions, ideas and concepts emitted in the texts, as they are the sole responsibility of its author (s);
4. The editors are entitled to make textual adjustments and to adapt the articles to the standards of publication.
