10 ferramentas para melhorar o Apoio Gestão:
Parte I — Ferramentas Qualitativas: Brainstorming, Ishikawa, SWOT, PESTEL, 5 Forças.
Objetivo: estruturar o problema e gerar alternativas.
• Brainstorming
Gerar ideias criativas sem julgamento prematuro. Aplicação: inovação, resolução criativa de problemas, geração de alternativas.
• Diagrama de Ishikawa (Espinha de Peixe)
Identificar causas raiz de problemas. Aplicação: qualidade, resolução de problemas, melhoria contínua.
• Análise de SWOT
Avaliar posição estratégica interna e externa. Aplicação: planejamento estratégico, análise competitiva, decisões de entrada em mercados.
• Análise PESTEL
Avaliar fatores macro-ambientais que afetam a organização. Aplicação: planejamento estratégico, análise de risco, previsão de cenários.
• 5 Forças de Porter
Analisar atratividade e dinâmica competitiva de um setor. Aplicação: análise estratégica, posicionamento competitivo, decisões de entrada/saída.
Parte II — Ferramentas Quantitativas: Modelos matemáticos + Pareto, GUT, Eisenhower, BCG, Gantt.
Objetivo: avaliar alternativas e implementar decisões.
• Diagrama de Pareto (Regra 80/20)
Identificar os poucos vitais entre muitos triviais. Aplicação: controle de qualidade, gestão de estoques, análise de clientes.
• Matriz GUT (Gravidade, Urgência, Tendência)
Priorizar problemas de forma estruturada. Aplicação: gestão de crises, priorização de demandas, alocação de recursos.
• Matriz Eisenhower (Urgência × Importância)
Priorizar atividades e decisões pessoais/organizacionais. Aplicação: gestão de tempo, planejamento estratégico, foco em resultados.
• Matriz BCG (Boston Consulting Group)
Analisar portfólio de produtos/negócios. Aplicação: estratégia de portfólio, alocação de capital, decisões de M&A.
• Gráfico de Gantt
Visualizar cronograma e dependências de tarefas. Aplicação: gestão de projetos, planejamento operacional, acompanhamento.
10 ferramentas sofisticadas para Apoio a Gestão:
• Programação Linear (PL)
Aplicação: alocação de recursos, mix de produção, planejamento.
• Programação Inteira e Mista
Aplicação: problemas de localização, designação, roteamento.
• Análise de Decisão Multicritério (MCDA)
Conteúdo: AHP (Analytic Hierarchy Process), TOPSIS, ELECTRE, PROMETHEE.
Aplicação: seleção de projetos, avaliação de fornecedores, escolha estratégica.
• Teoria dos Jogos
Aplicação: estratégia empresarial, leilões, negociações.
• Programação Dinâmica
Aplicação: gestão de estoques, investimento, controle.
• Teoria da Utilidade e Decisão sob Incerteza
Aplicação: investimentos, seguros, projetos com risco.
• Simulação e Análise de Cenários (Monte Carlo)
Aplicação: previsão, avaliação de risco, planejamento de contingência.
• Modelos de Fila (Teoria das Filas)
Aplicação: call centers, hospitais, varejo.
• Programação Estocástica
Aplicação: planejamento sob incerteza, supply chain.
• Redes e Fluxo em Grafos
Aplicação: logística, telecomunicações, infraestrutura.
Integração de ML com Modelos de PO
Machine Learning: descobre padrões nos dados
Pesquisa Operacional: otimiza decisões usando esses padrões
Passo 1: Tipo de Problema
Tenho rótulos (labels)?
SIM → Aprendizado Supervisionado (classificação/regressão)
NÃO → Aprendizado Não-Supervisionado (clustering/redução)
Passo 2: Supervisionado - Qual Saída?
Variável contínua (preço, quantidade)?
SIM → Linear Regression ou Random Forest (regressão)
Variável categórica (sim/não, classe)?
SIM → Logistic Regression, Decision Tree, SVM, Random Forest (classificação)
Passo 3: Não-Supervisionado - Qual Objetivo?
Agrupar dados similares?
SIM → K-Means
Visualizar dados de alta dimensão?
SIM → PCA ou t-SNE
Reduzir variáveis mantendo informação?
SIM → PCA
Passo 4: Considerações Práticas
Preciso de interpretabilidade?
SIM → Linear Regression, Decision Tree, Logistic Regression
NÃO → SVM, HNN, Random Forest (mais flexível)
Tenho muitos dados (>100k)?
SIM → Linear Regression, Logistic Regression, HNN
NÃO → SVM, Decision Tree, K-Means
Dados não-lineares complexos?
SIM → SVM (com kernel), Random Forest, HNN