Artículo

19 de noviembre de 2026

Proposta de melhoria do processo CAPA com gestão de projetos e inteligência artificial

Dinae Karine Weiler; Henrique Martins Rocha

DOI: 10.22167/2675-6528-202603880

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

O processo de Ação Corretiva e Preventiva (CAPA) é fundamental para garantir a qualidade e conformidade regulatória em sistemas de Prontuário Eletrônico do Paciente (EMR), mas enfrenta desafios relacionados à comunicação, rastreabilidade e análise de informações. Este estudo avaliou como a aplicação de práticas de gestão de projetos e ferramentas de inteligência artificial (IA) pode contribuir para a melhoria do processo CAPA em um sistema EMR. Conduziu-se um estudo de caso descritivo e qualitativo em uma empresa multinacional de tecnologia em saúde. Um questionário com 22 questões foi aplicado a 18 profissionais, e os dados foram analisados por estatística descritiva, categorização temática, Diagrama de Ishikawa e 5W2H. Os resultados indicaram elevada concordância sobre a estrutura do CAPA e sua eficácia na redução de riscos regulatórios. A gestão de projetos foi amplamente valorizada, especialmente em equipes multifuncionais e acompanhamento sistemático. A IA foi percebida como capaz de melhorar a análise de dados, identificar padrões e consolidar informações. Identificaram-se oportunidades de melhoria na investigação de causa raiz, integração de dados e automação documental, culminando na elaboração de um plano de ação inicial. A integração da gestão de projetos e IA demonstrou potencial para aumentar a eficiência, rastreabilidade, conformidade regulatória e capacidade analítica do processo CAPA em sistemas EMR.

Palavras-chave: Análise de causa raiz; Conformidade regulatória; Gestão da qualidade; Melhoria contínua; Transformação digital.

1. Introdução

A transformação digital tem impulsionado mudanças significativas na prestação de serviços de saúde, fomentando a adoção de tecnologias que aprimoram a gestão de informações clínicas, a segurança do paciente e a eficiência operacional das organizações. Nesse cenário, sistemas informatizados desempenham um papel crucial no suporte às atividades assistenciais, administrativas e regulatórias, contribuindo para a tomada de decisões baseadas em dados e para a melhoria contínua da qualidade dos serviços oferecidos (Stoumpos et al., 2023).

Entre as tecnologias amplamente empregadas no setor da saúde, destacam-se os sistemas de prontuário eletrônico do paciente, conhecidos como Electronic Medical Record (EMR). Esses sistemas permitem o armazenamento, gerenciamento e compartilhamento estruturado de informações clínicas, o que aumenta a rastreabilidade dos registros, reduz erros associados a documentos físicos e melhora a integração entre profissionais envolvidos no cuidado ao paciente (Chimbo e Motsi, 2024). Adicionalmente, os sistemas EMR estão sujeitos a rigorosos requisitos regulatórios relacionados à qualidade, segurança da informação e conformidade com normas específicas do setor (Gedikci Ondogan et al., 2023).

Nesse contexto, os sistemas de gestão da qualidade assumem um papel estratégico, fornecendo processos estruturados para monitoramento, controle e melhoria contínua das atividades organizacionais. Um dos processos mais importantes é o Corrective and Preventive Action (CAPA), cuja finalidade é identificar não conformidades, investigar suas causas, implementar ações corretivas e preventivas e verificar a efetividade das medidas adotadas. O processo CAPA é amplamente utilizado em setores regulados, como a indústria da saúde, sendo um mecanismo essencial para prevenir a recorrência de problemas e fortalecer a conformidade regulatória (Arunagiri et al., 2024).

Apesar de sua importância, a condução das investigações CAPA frequentemente envolve desafios. Estes incluem a coleta de informações, a análise de evidências, a definição de causas raiz e o acompanhamento das ações implementadas. A complexidade é ampliada quando diferentes áreas organizacionais participam simultaneamente das investigações, exigindo alinhamento entre equipes multifuncionais, integração de conhecimentos especializados e coordenação eficiente para a resolução dos problemas identificados (Sabri e Torp, 2022).

A crescente globalização das operações corporativas também intensifica a participação de equipes distribuídas geograficamente em processos críticos de qualidade. Diferenças de idioma, fusos horários, contextos operacionais e sistemas de informação podem dificultar a comunicação e a consolidação do conhecimento durante as investigações, resultando em atrasos, retrabalho e inconsistências na documentação do processo CAPA (Sabri e Torp, 2022).

Diante desses desafios, os princípios da gestão de projetos apresentam potencial significativo para aprimorar o processo CAPA. A gestão de projetos oferece práticas para planejamento, definição de responsabilidades, gerenciamento de prazos, monitoramento de atividades, comunicação entre stakeholders e acompanhamento de indicadores de desempenho, o que pode favorecer maior controle das investigações e melhor coordenação das equipes (Alomar et al., 2024).

Paralelamente, os avanços recentes da inteligência artificial (IA) têm expandido as possibilidades de uso de tecnologias para apoiar a análise de dados, processamento de informações, identificação de padrões e suporte à tomada de decisão. A IA é empregada em diversos setores para lidar com grandes volumes de dados, automatizar atividades operacionais e gerar insights que auxiliam na resolução de problemas complexos. A combinação de práticas de gestão de projetos e recursos de inteligência artificial demonstra potencial para apoiar a evolução dos processos CAPA, especialmente em ambientes com elevado volume de informações, múltiplos participantes e requisitos regulatórios rigorosos (Lee e Kim, 2021).

A relevância deste estudo reside no potencial de aplicação de suas recomendações em organizações que desenvolvem soluções tecnológicas para a área da saúde, contribuindo para o aprimoramento de seus sistemas de gestão da qualidade em um cenário de crescente complexidade operacional e transformação digital. Portanto, o objetivo deste trabalho foi avaliar como a aplicação de práticas de gestão de projetos e ferramentas de inteligência artificial pode contribuir para a melhoria do processo CAPA em um sistema EMR.

2. Material e Métodos

A pesquisa caracterizou-se como estudo aplicado e descritivo, com abordagem quali-quantitativa, visando aprimorar o processo Corrective and Preventive Action (CAPA) em um sistema de Prontuário Eletrônico do Paciente (EMR) por meio de gestão de projetos e inteligência artificial. O levantamento de dados (survey) foi conduzido em uma empresa multinacional de tecnologia em saúde, com identidade preservada. A unidade organizacional estudada, responsável por soluções de software EMR, opera globalmente com mil colaboradores em áreas como Qualidade, Pesquisa e Desenvolvimento e Tecnologia da Informação.

O processo CAPA, objeto empírico, está inserido no sistema de gestão da qualidade da organização. Ele é utilizado para investigação de não conformidades, análise de causa raiz, implementação de ações corretivas e preventivas, e monitoramento da efetividade. Sua eficiência é estratégica para a qualidade dos produtos, segurança dos usuários e conformidade regulatória, dada a complexidade dos produtos e requisitos do setor.

O instrumento de coleta de dados foi um questionário estruturado de 22 questões, dividido em quatro seções. A primeira caracterizou os respondentes, e as subsequentes abordaram a estrutura e eficiência do CAPA, a gestão de projetos e o uso de inteligência artificial. Uma questão aberta foi incluída. As questões fechadas utilizaram escala Likert de cinco pontos, avaliando aspectos como responsabilidades, comunicação, rastreabilidade, gestão de prazos, análise de dados e conformidade regulatória.

Antes da aplicação definitiva, realizou-se um pré-teste com três profissionais experientes em qualidade, gestão de projetos e sistemas regulados. O pré-teste avaliou a clareza das questões, adequação da terminologia e sequência lógica, com tempo de preenchimento de aproximadamente 7 minutos. Pequenas adequações foram feitas no instrumento, como ajustes na redação e reorganização de perguntas, para garantir objetividade e interpretação uniforme.

A aplicação do questionário ocorreu eletronicamente via Google Forms, facilitando a distribuição para participantes em diversas regiões geográficas e a coleta padronizada. O acesso foi fornecido por correio eletrônico corporativo e plataformas de colaboração internas. A participação foi voluntária e anônima. A coleta de dados iniciou-se em abril de 2026, estendendo-se por 6 semanas, com lembretes periódicos. As respostas foram exportadas em formato eletrônico para organização e análise, padronizando o processo e minimizando erros de transcrição.

A população-alvo consistiu em profissionais envolvidos no processo CAPA da empresa, abrangendo áreas como Qualidade, Pesquisa e Desenvolvimento, Assuntos Regulatórios, Pós-venda e Tecnologia da Informação. Adotou-se amostragem não probabilística por julgamento, selecionando participantes com base em sua experiência e envolvimento. Dos 20 profissionais convidados, 18 responderam integralmente, alcançando taxa de resposta de 90,0%, o que permitiu coletar perspectivas sobre o CAPA, gestão de projetos e inteligência artificial.

Os dados quantitativos coletados foram organizados em planilhas eletrônicas (Excel) e analisados por estatística descritiva. As respostas abertas foram submetidas à categorização temática para identificar padrões e sugestões. Para a análise e proposição de melhorias, empregaram-se o Diagrama de Ishikawa, que organizou fatores influenciadores do processo CAPA em categorias como aspectos humanos, processuais e tecnológicos, e a ferramenta 5W2H, que estruturou um plano de ação detalhado com base em sete elementos fundamentais (Werkema, 2013).

Após a análise inicial, realizou-se uma etapa complementar de validação e discussão dos achados com seis profissionais envolvidos no processo CAPA, em duas reuniões virtuais de aproximadamente 60 minutos. Os colaboradores representavam as áreas de Qualidade, P&D, Assuntos Regulatórios, TI e Pós-venda. Na primeira reunião, apresentaram-se os resultados e elaborou-se colaborativamente um Diagrama de Ishikawa para categorizar as causas dos desafios do CAPA. Na segunda, os participantes contribuíram para a construção de um plano de ação 5W2H, definindo ações, justificativas, responsáveis, prazos e recursos.

O fluxo metodológico adotado na pesquisa contemplou a caracterização do estudo, a coleta e análise dos dados, e a elaboração das propostas de melhoria por meio das ferramentas Ishikawa e 5W2H, estruturado para guiar as etapas. A elaboração do plano de ação permitiu converter os fatores identificados na análise de Ishikawa em iniciativas concretas para o processo CAPA, concentrando-se em quatro eixos: fortalecimento da gestão do conhecimento, ampliação da inteligência artificial, melhoria da governança dos dados e fortalecimento das práticas de gestão de projetos.

Após a elaboração do plano de ação, realizou-se um acompanhamento inicial das iniciativas propostas para avaliar sua viabilidade e identificar prioridades de implementação. As ações foram classificadas em “em planejamento”, “em andamento” e “não iniciada”. As iniciativas incluíram o planejamento de um piloto para IA na análise de causa raiz, o mapeamento de fontes de dados para centralização de informações e a formalização de responsabilidades via matriz RACI. A criação de dashboards e a capacitação das equipes foram planejadas para desenvolvimento progressivo.

3. Resultados e Discussão

A pesquisa envolveu dezoito profissionais diretamente ou indiretamente ligados ao processo de Ação Corretiva e Preventiva (CAPA) em um sistema de Prontuário Eletrônico do Paciente (EMR). A maioria dos participantes, 50,0%, atuava na área de Qualidade, seguida por 16,7% de Pesquisa e Desenvolvimento, 11,1% de Assuntos Regulatórios, 11,1% de Pós-venda, 5,6% de Tecnologia da Informação e 5,6% de outras áreas. Essa distribuição reflete a natureza multidisciplinar do processo CAPA em ambientes regulados, onde a colaboração entre diversas áreas é fundamental para a gestão eficaz de não conformidades.

Em relação à experiência profissional, a amostra demonstrou um alto nível de senioridade, com 72,2% dos participantes possuindo mais de dez anos de atuação na área. Adicionalmente, 16,7% tinham entre sete e dez anos de experiência, e 11,1% entre quatro e seis anos. Essa predominância de profissionais experientes confere robustez às percepções coletadas, indicando que as respostas refletem uma visão consolidada sobre os desafios e oportunidades no gerenciamento de não conformidades em sistemas EMR.

Quanto ao nível de participação no processo CAPA, a maioria dos respondentes, 61,1%, relatou participação frequente, enquanto 33,3% participavam ocasionalmente e 5,6% raramente. Este perfil da amostra, composto por profissionais experientes e ativamente envolvidos, é considerado adequado para avaliar a eficiência das investigações CAPA, a rastreabilidade das informações e a coordenação entre equipes multifuncionais, aspectos cruciais para a conformidade regulatória em sistemas EMR (Arunagiri et al., 2024).

Os resultados revelaram uma percepção predominantemente positiva sobre a estrutura e a eficiência do processo CAPA na organização. A afirmação de que o processo possui um fluxo de trabalho claramente definido obteve a maior concordância, com 94,4% dos participantes concordando ou concordando totalmente. Apenas um respondente, 5,6%, manteve uma posição neutra. Este achado sugere que a organização possui processos maduros e formalizados, o que é comum em sistemas de gestão da qualidade em ambientes regulados (Abreu et al., 2025).

A clareza na definição de responsabilidades das equipes envolvidas no CAPA também foi amplamente reconhecida, com 77,8% dos respondentes concordando ou concordando totalmente. Contudo, a presença de 22,2% de respostas neutras ou discordantes indica que ainda existem oportunidades para aprimorar a delimitação de papéis e responsabilidades entre as áreas multifuncionais. A definição precisa de responsabilidades é um fator crítico para o sucesso de projetos complexos, contribuindo para a redução de conflitos e retrabalho (Acebes et al., 2024).

A comunicação entre equipes internacionais durante as investigações foi o aspecto com os resultados menos favoráveis. Embora 72,2% dos participantes tenham concordado com a eficiência da comunicação, 22,2% discordaram da afirmação, representando a maior taxa de discordância no bloco. Este resultado corrobora a literatura que aponta a comunicação como um desafio significativo em equipes distribuídas globalmente, especialmente em contextos regulados com múltiplas áreas funcionais e culturas diversas (Bastos et al., 2025).

Em relação às ferramentas utilizadas para a rastreabilidade das informações, 77,7% dos participantes expressaram uma percepção positiva, enquanto 22,2% mantiveram uma posição neutra. Embora não houvesse discordância, a proporção de neutralidade sugere que os sistemas atuais podem atender às necessidades básicas de documentação, mas ainda apresentam limitações na recuperação de informações, integração de dados ou compartilhamento de conhecimento entre áreas. A rastreabilidade documental é um pilar dos processos CAPA e dos requisitos regulatórios (Arunagiri et al., 2024).

A percepção sobre a capacidade do processo CAPA de reduzir riscos de inconsistências regulatórias e documentais foi amplamente positiva, com 88,9% dos respondentes concordando ou concordando totalmente. Apenas um participante discordou totalmente e outro manteve posição neutra. Esses resultados indicam que o processo atual é percebido como eficaz para garantir a conformidade regulatória, um aspecto essencial em organizações que desenvolvem produtos sujeitos a normas rigorosas, como a ISO 13485 (Kheir et al., 2021).

A aplicação de práticas de gestão de projetos ao processo CAPA foi valorizada pelos participantes. A definição de prazos foi considerada relevante, com 88,9% dos respondentes concordando ou concordando totalmente que o estabelecimento de cronogramas contribui para a eficiência das investigações. Apenas um participante discordou e outro permaneceu neutro. Este resultado alinha-se à literatura de gestão de projetos, que enfatiza o gerenciamento do tempo para o cumprimento de objetivos e a prevenção de atrasos (Buganová e Šimíčková, 2019).

A atuação de equipes multifuncionais foi o ponto de maior consenso, com 88,9% dos participantes concordando totalmente e 5,6% concordando parcialmente que a colaboração entre diferentes áreas melhora a qualidade das análises de causa raiz. Este achado reforça a premissa do processo CAPA de integrar conhecimentos de diversas áreas, como Qualidade, Pesquisa e Desenvolvimento, Assuntos Regulatórios, Pós-venda e Tecnologia da Informação, para uma compreensão abrangente das não conformidades.

O acompanhamento sistemático das atividades também foi amplamente valorizado, com 94,4% dos respondentes concordando ou concordando totalmente que o monitoramento contínuo reduz atrasos na implementação de ações corretivas e preventivas. Isso sugere que mecanismos de controle e acompanhamento são vistos como essenciais para garantir a execução das atividades planejadas e mitigar riscos de perda de prazos ou de falta de acompanhamento das ações definidas (Chen et al., 2025).

Em relação ao uso de ferramentas de gestão de projetos, 83,3% dos participantes concordaram ou concordaram totalmente que essas soluções contribuem para a melhor organização das atividades CAPA. Apesar da percepção positiva, 11,1% mantiveram posição neutra e 5,6% discordaram, indicando possíveis limitações na adoção, integração ou maturidade das ferramentas. Isso sugere que a simples disponibilidade de ferramentas não garante ganhos de eficiência, sendo necessária sua integração adequada aos processos organizacionais (Clemente e Domingues, 2023).

O uso de metodologias estruturadas para apoiar a comunicação entre equipes foi reconhecido por 77,8% dos participantes, que concordaram totalmente ou parcialmente, enquanto 22,2% permaneceram neutros. Considerando que a comunicação entre equipes internacionais é um desafio, abordagens estruturadas de gestão podem padronizar e facilitar o compartilhamento de informações e a coordenação de atividades entre grupos de trabalho (Chaabouni et al., 2024).

A contribuição global das práticas de gestão de projetos foi um dos resultados mais expressivos, com 83,4% dos participantes concordando totalmente que a aplicação dessas práticas aumenta a eficiência e a conformidade do processo CAPA. Apenas 16,7% mantiveram posição neutra, e nenhum respondente discordou. Este resultado evidencia uma percepção favorável à adoção de conceitos de gestão de projetos como estratégia para aprimorar investigações, rastreabilidade e conformidade regulatória (De Castro et al., 2023).

Os resultados demonstraram elevada aceitação da inteligência artificial (IA) como apoio ao processo CAPA. Mais de 83% dos participantes concordaram parcial ou totalmente com os benefícios potenciais da IA em todas as questões avaliadas, indicando uma percepção favorável para apoiar a investigação de não conformidades, análise de informações, rastreabilidade documental e conformidade regulatória.

A afirmação de que ferramentas de inteligência artificial podem melhorar a análise de dados e evidências do CAPA obteve 88,9% de concordância, com 66,7% dos participantes concordando totalmente. Apenas um participante discordou e outro permaneceu neutro. Este resultado sugere que os profissionais reconhecem o potencial da IA para processar grandes volumes de dados, identificar relações entre eventos e apoiar a tomada de decisão baseada em evidências, transformando informações em conhecimento útil (Zainuddin et al., 2023).

A capacidade da IA de identificar padrões e causas recorrentes também foi amplamente reconhecida, com 88,9% dos participantes concordando ou concordando totalmente. Este achado é crucial para o CAPA, pois a identificação precoce de tendências e fatores contribuintes é fundamental para a prevenção de novas não conformidades. Algoritmos de aprendizado de máquina podem identificar padrões ocultos em bases históricas de reclamações com maior velocidade e abrangência do que análises manuais (Chimbo e Motsi, 2024).

A percepção sobre a redução do tempo necessário para condução das investigações também foi positiva, com 83,3% dos respondentes concordando ou concordando totalmente que soluções de IA podem acelerar as investigações CAPA. Embora este tenha sido o item com menor percentual de concordância positiva no bloco, os resultados indicam forte expectativa de ganhos operacionais. A presença de participantes neutros e discordantes pode refletir preocupações com a maturidade tecnológica e a necessidade de validação humana (Sabri e Torp, 2022).

No que se refere à consolidação de informações entre equipes globais, 88,9% dos participantes apresentaram percepção favorável, indicando que a IA é vista como uma ferramenta para mitigar dificuldades de comunicação e compartilhamento de conhecimento em ambientes distribuídos internacionalmente. Este resultado é coerente com os desafios de comunicação entre equipes internacionais identificados anteriormente, e soluções de IA, como processamento de linguagem natural, podem organizar informações não estruturadas e resumir discussões (Sabri e Torp, 2022).

A contribuição da IA para a conformidade regulatória e rastreabilidade documental também recebeu elevada concordância, com 83,3% dos participantes concordando ou concordando totalmente. Em ambientes regulados, a manutenção de registros completos, consistentes e auditáveis é um requisito essencial para demonstrar conformidade. Tecnologias de automação inteligente podem reduzir erros de documentação, padronizar registros e aumentar a rastreabilidade das informações geradas durante as investigações CAPA (Sabri e Torp, 2022).

Por fim, a questão sobre o investimento organizacional em ferramentas de inteligência artificial apresentou um dos resultados mais expressivos: 88,9% dos participantes concordaram ou concordaram totalmente que a empresa deveria investir nesse tipo de tecnologia para apoiar o processo CAPA. Apenas um participante discordou e outro permaneceu neutro. Este resultado sugere uma elevada receptividade organizacional à adoção de soluções baseadas em IA, reforçando a percepção de que essas tecnologias podem facilitar a gestão do conhecimento, a integração entre equipes e a eficiência operacional (Stoumpos et al., 2023).

Análise qualitativa das respostas abertas

As respostas abertas dos participantes evidenciaram uma percepção amplamente favorável ao potencial da inteligência artificial para aprimorar o processo CAPA, especialmente em atividades como análise de dados, identificação de causas raiz e consolidação de informações. O tema mais frequentemente mencionado, por 66,7% dos participantes, foi a utilização da IA para apoiar investigações, identificar padrões recorrentes e acelerar análises de causa raiz. Este resultado reforça os achados quantitativos, onde a maioria concordou que a IA pode melhorar a análise de evidências e apoiar a identificação de recorrências.

Outro aspecto amplamente destacado foi a necessidade de consolidar informações provenientes de diferentes sistemas, equipes e fontes documentais. Mais da metade dos participantes, 55,6%, mencionou dificuldades relacionadas à fragmentação de dados, perda de contexto entre reuniões e dispersão de informações em múltiplas plataformas. Este resultado é particularmente relevante em um processo CAPA que envolve equipes globais e multidisciplinares, onde a IA pode integrar e interpretar grandes volumes de dados heterogêneos (Davenport e Kalakota, 2019).

A automação de atividades administrativas também surgiu como uma oportunidade importante. Os participantes destacaram o potencial da IA para gerar relatórios, preencher formulários, resumir reuniões, organizar evidências e automatizar acompanhamentos. Esta percepção alinha-se a estudos recentes que apontam a automação inteligente como um mecanismo para reduzir atividades repetitivas e liberar profissionais para tarefas de maior valor agregado, como análise crítica e tomada de decisão.

Apesar do otimismo em relação à IA, diversos participantes enfatizaram desafios relacionados à qualidade e confiabilidade dos dados. Aproximadamente 44,4% dos respondentes destacaram preocupações com a validação de prompts, a qualidade dos bancos de dados e a necessidade de verificar os resultados gerados pela IA. Esses achados demonstram que a adoção da tecnologia depende de mecanismos robustos de governança de dados, validação e supervisão humana, pois o desempenho dos sistemas de IA está diretamente relacionado à qualidade dos dados utilizados em seu treinamento e operação.

Questões relacionadas ao engajamento das equipes também foram frequentemente mencionadas. Os participantes ressaltaram dificuldades associadas à falta de “ownership”, comprometimento dos envolvidos e participação efetiva de equipes multifuncionais durante as investigações. Embora a tecnologia seja vista como um facilitador, as respostas sugerem que os fatores humanos continuam sendo determinantes para o sucesso do processo CAPA, corroborando que processos organizacionais complexos dependem de ferramentas adequadas, liderança efetiva e comprometimento dos stakeholders (Cardoso et al., 2017).

Outro aspecto observado foi a preocupação com treinamento e confiança no uso da inteligência artificial. Alguns respondentes destacaram que a organização ainda está em fase de aprendizado sobre as possibilidades e limitações dessas ferramentas, indicando a necessidade de capacitação dos usuários e desenvolvimento de competências para a utilização responsável da tecnologia. Este achado sugere que a implementação bem-sucedida de soluções de IA exige não apenas investimentos tecnológicos, mas também iniciativas voltadas ao desenvolvimento organizacional e à gestão da mudança.

Análise de Causa e Efeito (Diagrama de Ishikawa)

Com base nos resultados quantitativos e qualitativos, foi elaborada uma análise de causa e efeito utilizando o Diagrama de Ishikawa, que permitiu categorizar e organizar as possíveis causas relacionadas aos desafios observados no processo CAPA. Os fatores relacionados às pessoas foram frequentemente mencionados, especialmente no que se refere ao engajamento das equipes, à definição de “ownership” e à participação efetiva dos envolvidos ao longo das investigações. Alguns participantes destacaram que o processo CAPA ainda enfrenta dificuldades relacionadas ao comprometimento dos responsáveis pelas ações, à colaboração entre áreas multifuncionais e ao alinhamento entre diferentes participantes do processo.

Esses achados sugerem que, embora a organização conte com profissionais experientes e com participação frequente nas atividades de CAPA, ainda existem oportunidades para fortalecer a responsabilização e a integração entre os envolvidos. A necessidade de monitoramento sistemático de indicadores, acompanhamento de prazos e controle de ações CAPA, bem como a utilização de dashboards para suporte à tomada de decisão, foram apontados como oportunidades de melhoria na gestão e governança do processo.

Em relação aos métodos utilizados, os participantes destacaram a necessidade de tornar as investigações mais estruturadas e eficientes. Foram observadas menções à duração excessiva de algumas discussões, ao tempo gasto na elaboração de documentação e à necessidade de maior padronização das análises de causa raiz. Esses resultados são consistentes com os achados quantitativos, onde a grande maioria dos respondentes reconheceu a contribuição das práticas de gestão de projetos para a organização das atividades, definição de responsabilidades e melhoria da comunicação entre equipes.

Nesse contexto, a adoção de metodologias estruturadas pode contribuir para reduzir variações na condução das investigações e aumentar a consistência dos resultados obtidos. Os aspectos tecnológicos foram os mais frequentemente mencionados pelos participantes. Grande parte das respostas destacou o potencial da inteligência artificial para apoiar a análise de dados, identificar padrões recorrentes, consolidar informações provenientes de diferentes sistemas e acelerar as investigações.

Também foram relatadas oportunidades relacionadas à automação de relatórios, preenchimento de documentos, geração de resumos de reuniões e monitoramento de indicadores. Esses resultados corroboram os dados quantitativos, nos quais mais de 80% dos participantes demonstraram percepção positiva em relação à utilização da inteligência artificial no processo CAPA. A elevada frequência dessas respostas sugere que a tecnologia é percebida não apenas como uma ferramenta operacional, mas como um elemento estratégico para aumentar a eficiência e a capacidade analítica do processo.

Entretanto, as respostas também evidenciaram preocupações relacionadas à qualidade dos dados utilizados pelas ferramentas de inteligência artificial. Diversos participantes destacaram a necessidade de garantir a confiabilidade dos bancos de dados, validar as informações geradas automaticamente e estabelecer mecanismos adequados de governança dos dados. A qualidade das informações foi considerada um requisito essencial para que soluções baseadas em inteligência artificial possam produzir resultados consistentes e confiáveis, assumindo relevância ainda maior em ambientes regulados.

Outro fator identificado foi a necessidade de fortalecer mecanismos de gestão e governança do processo. Os participantes apontaram oportunidades relacionadas ao monitoramento de indicadores, acompanhamento de prazos, controle de ações corretivas e preventivas e utilização de dashboards para suporte à tomada de decisão. Os resultados quantitativos reforçam essa percepção, uma vez que a maioria dos respondentes reconheceu a importância do acompanhamento sistemático das atividades e da aplicação de práticas de gestão de projetos para aumentar a eficiência do processo CAPA.

Por fim, a análise evidenciou que características do ambiente organizacional também influenciam o desempenho do processo. A atuação de equipes distribuídas internacionalmente foi mencionada como um fator que aumenta a complexidade das investigações devido a diferenças de idioma, contexto operacional e fusos horários. Essa percepção é consistente com os resultados quantitativos obtidos anteriormente, nos quais a comunicação entre equipes internacionais apresentou os menores níveis de concordância entre as questões avaliadas.

Nesse cenário, ferramentas de colaboração digital e soluções baseadas em inteligência artificial podem desempenhar papel importante na preservação do contexto das discussões, na consolidação do conhecimento organizacional e na redução de barreiras de comunicação. De forma geral, a análise de Ishikawa permitiu identificar que as oportunidades de melhoria do processo CAPA estão associadas principalmente à integração de informações, fortalecimento da comunicação entre equipes, padronização das investigações, melhoria da qualidade dos dados e ampliação do uso de tecnologias digitais para apoio às atividades analíticas e de gestão.

Análise do Plano de Ação

A elaboração do plano de ação permitiu converter os fatores identificados na análise de Ishikawa em iniciativas concretas de melhoria para o processo CAPA. As ações propostas concentram-se em quatro eixos principais: fortalecimento da gestão do conhecimento, ampliação da utilização de inteligência artificial, melhoria da governança dos dados e fortalecimento das práticas de gestão de projetos. Observa-se que a maior parte das oportunidades identificadas pelos participantes está relacionada à necessidade de consolidar informações dispersas, acelerar análises de causa raiz e reduzir atividades administrativas que consomem tempo significativo das equipes.

Entre as ações propostas, destaca-se a implementação de ferramentas de inteligência artificial para apoio às investigações CAPA, uma vez que a análise qualitativa demonstrou que a identificação de padrões, recorrências e causas raiz foi a oportunidade mais frequentemente mencionada pelos respondentes. Da mesma forma, a centralização das informações e a criação de mecanismos de governança dos dados buscam responder diretamente às preocupações relacionadas à qualidade das informações e à confiabilidade dos resultados produzidos por sistemas automatizados.

As ações voltadas à gestão de projetos, como definição de responsabilidades, monitoramento de indicadores e padronização das metodologias de análise, complementam as iniciativas tecnológicas ao abordar fatores organizacionais identificados no Ishikawa. Dessa forma, o plano proposto adota uma abordagem integrada, reconhecendo que a melhoria do processo CAPA depende simultaneamente de pessoas, processos, tecnologia e governança. Como resultado prático da pesquisa, foi desenvolvido um plano de ação estruturado para apoiar a implementação de melhorias no processo CAPA da organização estudada.

Esse plano será utilizado como instrumento de apoio à tomada de decisão gerencial, orientando a priorização de iniciativas relacionadas à análise de causa raiz, integração de dados, automação documental, definição de responsabilidades e monitoramento das ações corretivas e preventivas. Além de fornecer recomendações específicas para o contexto analisado, o plano proposto poderá servir como referência para outras organizações que atuam em ambientes regulados e utilizam sistemas EMR, contribuindo para o aprimoramento da eficiência operacional, da rastreabilidade das informações e da conformidade regulatória.

Status de implementação do plano de ação

Após a elaboração do plano de ação, foi realizado um acompanhamento inicial das iniciativas propostas, com o objetivo de avaliar sua viabilidade e identificar prioridades de implementação. As ações foram classificadas de acordo com seu estágio de desenvolvimento, considerando as categorias “em planejamento”, “em andamento” e “não iniciada”. A iniciativa relacionada à utilização de inteligência artificial para apoio à análise de causa raiz encontra-se em fase de planejamento, com levantamento preliminar das possibilidades de aplicação da tecnologia aos métodos já utilizados no processo CAPA.

A proposta prevê inicialmente a realização de um piloto controlado, de forma a avaliar a capacidade da ferramenta de apoiar a identificação de padrões e recorrências sem substituir a análise realizada pelos especialistas. Em relação à centralização das informações, foram identificadas as principais fontes de dados utilizadas pelas equipes durante as investigações CAPA, constituindo uma etapa inicial para a avaliação de alternativas de integração e melhoria da rastreabilidade documental. A definição de responsabilidades entre as áreas também foi priorizada, com previsão de formalização por meio de uma matriz RACI.

As ações relacionadas à criação de dashboards e à capacitação das equipes permanecem em fase de planejamento e deverão ser desenvolvidas progressivamente, de acordo com a disponibilidade de recursos e a priorização estabelecida pelos responsáveis pelo processo. Dessa forma, embora nem todas as ações tenham sido implementadas até o encerramento deste estudo, o plano passou a funcionar como instrumento de acompanhamento das iniciativas de melhoria, permitindo registrar o estágio de desenvolvimento e os próximos passos associados a cada ação.

Em síntese, os resultados da pesquisa indicam que o processo CAPA na organização estudada é percebido como estruturado e eficaz na redução de riscos regulatórios, com forte valorização das práticas de gestão de projetos, especialmente na coordenação de equipes multifuncionais e no acompanhamento sistemático. A inteligência artificial é vista como uma ferramenta promissora para aprimorar a análise de dados, identificar padrões e consolidar informações, embora existam desafios relacionados à qualidade dos dados e à necessidade de governança. As oportunidades de melhoria identificadas, como aprimoramento da comunicação, padronização das investigações e integração de informações, foram abordadas em um plano de ação que combina gestão de projetos e IA, visando aumentar a eficiência, rastreabilidade e conformidade regulatória do processo CAPA em sistemas EMR, respondendo ao objetivo central do estudo.

4. Conclusão

O estudo buscou avaliar como a aplicação de práticas de gestão de projetos e ferramentas de inteligência artificial poderia contribuir para a melhoria do processo CAPA em um sistema EMR. Verificou-se que o processo CAPA na organização estudada é percebido como estruturado e eficaz na redução de riscos regulatórios. Os participantes valorizaram amplamente as práticas de gestão de projetos, destacando sua contribuição para a coordenação de equipes multifuncionais, a definição de prazos e o acompanhamento sistemático das atividades. Paralelamente, a inteligência artificial foi reconhecida como uma ferramenta promissora para aprimorar a análise de dados, identificar padrões recorrentes e consolidar informações entre equipes globais, com forte expectativa de ganhos operacionais e analíticos. Identificaram-se, contudo, desafios relacionados à comunicação entre equipes internacionais, à fragmentação de dados e à necessidade de automação documental, bem como preocupações com a qualidade e confiabilidade dos dados para a IA e o engajamento das equipes. Como contribuição prática, este trabalho forneceu um plano de ação estruturado, combinando gestão de projetos e IA, para orientar a implementação de melhorias na análise de causa raiz, integração de dados e automação documental, visando aumentar a eficiência, rastreabilidade e conformidade regulatória do processo CAPA em sistemas EMR.

Apesar dos achados relevantes, este estudo apresenta limitações. A pesquisa foi realizada em uma única organização do setor de tecnologia em saúde, o que restringe a generalização dos resultados para outros contextos. Adicionalmente, a amostra de 18 participantes, selecionados por conveniência, reflete percepções específicas da organização analisada e não representa integralmente a visão de profissionais de outros segmentos. Os resultados foram baseados em percepções dos respondentes, sem medições objetivas de desempenho do processo CAPA, como tempo médio de investigação ou taxa de recorrência de não conformidades. Para estudos futuros, recomenda-se aprofundar a avaliação dos impactos da implementação das iniciativas de melhoria no desempenho do processo CAPA, incluindo indicadores de tempo de investigação, efetividade das ações e recorrência de não conformidades. Sugere-se também a realização de pesquisas com um número maior de participantes e em diferentes organizações, a fim de comparar os resultados e ampliar o conhecimento sobre a aplicação dessas abordagens em contextos distintos.

Referências Bibliográficas

Abreu, A.; Ribeiro, P.; Lima, A. 2025. Analysis of maturity in Project Management of an Information Technology company using the Prado-PMMM methodology. Procedia Computer Science, 256, 1558-1566.

Acebes, F.;González-Varona, J. M.;López-Paredes, A.;Pajares, J. 2024. Beyond probability-impact matrices in project risk management: A quantitative methodology for risk prioritisation. Humanities and Social Sciences Communications, 11(1).

Alomar, D.; Almashmoum, M.; Eleftheriou, I.; Whelan, P.; Ainsworth, J. 2024. The Impact of Patient Access to Electronic Health Records on Health Care Engagement: Systematic Review. J Med Internet Res, 26, e56473.

Arunagiri, T.;Kannaiah, K. P.;Vasanthan, M. 2024. Enhancing Pharmaceutical Product Quality With a Comprehensive Corrective and Preventive Actions (CAPA) Framework: From Reactive to Proactive. Cureus, 16(9), e69762.

Bastos, R. A.; Pierott, R. M. R.;Navarro, L. L. L.;Tam, V. W. Y.;Najjar, M. K.;Haddad, A. Ν. 2025. Comparative analysis of communication in project management approaches: waterfall, agile, and hybrid. International Journal of Construction Management, 1-29.

Buganová, K.;Šimíčková, J. 2019. Risk management in traditional and agile project management. Transportation Research Procedia, 40, 986–993.

Cardoso, B. F.;Shikida, P. F. A.;Finco, A. 2017. Development of Brazilian Biodiesel Sector from the Perspective of Stakeholders. Energies, 10(3).

Chaabouni, M.;Jarrar, Q.;Medini, K.; Bissardon, F. 2024. A framework for project management software tool selection. Procedia Computer Science, 239, 291–298.

Chen, M.; Martins, T. S.;Zhang, L.;Dong, H. 2025. Digital Transformation in Project Management: A Systematic Review and Research Agenda. Systems, 13(8).

Chimbo, B.; Motsi, L. 2024. The Effects of Electronic Health Records on Medical Error Reduction: Extension of the DeLone and McLean Information System Success Model. JMIR Med Inform, 12, e54572.

Clemente, M.;Domingues, L. 2023. Analysis of Project Management Tools to support Knowledge Management. Procedia Computer Science, 219, 1769–1776.

Davenport e Kalakota, 2019 [Referência completa não encontrada no documento original]

De Castro, B. V. B.; De Freitas, C. R.; Luche, J. R. D. 2023. Enhancing project management in sanitation infrastructure: applying Scrum in the construction of a sewage pumping station. Studies in Engineering and Exact Sciences, 4(1), 384–405.

Gedikci Ondogan, A.; Sargin, M.; Canoz, K. 2023. Use of electronic medical records in the digital healthcare system and its role in communication and medical information sharing among healthcare professionals. Informatics in Medicine Unlocked, 42.

Kheir, O.; Smedts, S.; Jacoby, A.; Verwulgen, S. 2021. Efficient Quality Management in MedTech Start-Ups (Based on ISO 13485). Med Devices (Auckl), 14, 313–319.

Lee, S.; Kim, H. S. 2021. Prospect of Artificial Intelligence Based on Electronic Medical Record. J Lipid Atheroscler, 10(3), 282–290.

Sabri, O. K.;Torp, O. 2022. Corrective and Preventive Action Plan (CAPA) for Disputes in Construction Projects: A Norwegian Perspective. Infrastructures, 7(5).

Stoumpos, A. I.;Kitsios, F.;Talias, M. A. 2023. Digital Transformation in Healthcare: Technology Acceptance and Its Applications. Int J Environ Res Public Health, 20(4).

Werkema, 2013 [Referência completa não encontrada no documento original]

Zainuddin, S. A.; Abdullah, B.; Nasir, N. A. M.; Abdullah, T.;Nawi, N. C.;Patwary, A. K.; Hashim, N. 2023. Sustainable risk management practice in the organization: a Malaysian case study. Environ Sci Pollut Res Int, 30(9), 24708–24717.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Gestão de Projetos do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

También te puede interesar

19 de noviembre de 2026

Proposta para Otimização da Gestão e Cultura Organizacional de uma Clínica de Reabilitação Fisioterapêutica.

A gestão eficiente de equipes e o alinhamento cultural representam desafios complexos em ambientes multidisciplinares de saúde. Este estudo teve como objetivo desenvolver e implementar uma proposta de intervenção organizacional para fortalecer a cultura, a liderança e as competências comportamentais em uma clínica de reabilitação fisioterapêutica em Bauru, interior de São Paulo, fundamentando-se em conceitos da Engenharia de Produção. A metodologia adotada configurou-se como uma pesquisa-ação de caráter participativo, estruturada em ciclos de diagnóstico, planejamento, ação e monitoramento. Para a etapa diagnóstica, aplicaram-se os instrumentos validados Organizational Culture Assessment Instrument (OCAI), Multifactor Leadership Questionnaire (MLQ) e Leadership Practices Inventory (LPI), por meio de plataforma digital junto aos colaboradores da instituição. Os resultados principais evidenciaram a predominância de uma liderança transformacional consolidada e uma cultura organizacional de Clã. Contudo, identificaram-se lacunas na formalização de processos, na definição de papéis e nos mecanismos estruturados de feedback. A organização demonstrou um desejo explícito por maior estrutura e indicadores, encontrando-se em um movimento favorável de transição para um modelo cultural híbrido e profissionalizado, orientado ao desempenho e sustentado por ferramentas de melhoria contínua. Assim, o estudo atingiu o escopo pretendido ao propor soluções sistematizadas que integraram a engenharia de produção ao ambiente clínico, promovendo reflexões sobre a eficiência operacional e a valorização das pessoas.

Palavras-chave: Cultura organizacional; Engenharia de produção; Gestão em saúde; Liderança transformacional; Pesquisa ação.

19 de noviembre de 2026

Impacto das inconsistências da BDGD no cálculo de perdas técnicas na distribuição de energia elétrica

As perdas técnicas no sistema de distribuição elétrica brasileiro representaram um custo superior a R$ 11 bilhões em 2024, com o cálculo regulatório baseado na Base de Dados Geográfica da Distribuidora (BDGD). Inconsistências nos dados cadastrais dessa base podem comprometer a fidelidade das simulações de fluxo de potência e a precisão das perdas técnicas apuradas. A pesquisa avaliou o impacto de diferentes tipos de inconsistências da BDGD no cálculo de perdas técnicas em sistemas de distribuição de energia elétrica. Para tanto, desenvolveu-se um pipeline de dados automatizado em Python, que incluiu a extração das bases via API da ANEEL, importação para banco de dados relacional DuckDB, reconstrução topológica da rede por algoritmo de busca em largura (BFS), conversão dos dados para o simulador OpenDSS via biblioteca bdgd2opendss e simulação de fluxo de potência. Definiram-se dez regras de verificação de inconsistências, classificadas em categorias que impedem ou podem impedir a simulação, e aquelas que a permitem, mas alteram o percentual de perdas técnicas. Os resultados indicaram que inconsistências não toleradas pela ANEEL, como erros de faseamento e curvas de carga sem correspondência, impediram a simulação. Inconsistências toleradas ou não contempladas pelo script regulatório do GeoPerdas, como parâmetros incorretos de condutores e transformadores, introduziram erros no cálculo das perdas sem inviabilizar a simulação. Concluiu-se que a qualidade dos dados da BDGD é fator determinante para a confiabilidade das simulações de fluxo de potência. Adicionalmente, desenvolveu-se o Analisador de BDGDs, uma aplicação desktop com interface gráfica que automatiza o pipeline e disponibiliza painéis de indicadores e mapas interativos, liberada publicamente no GitHub.

Palavras-chave: BDGD; distribuição de energia elétrica; OpenDSS; perdas técnicas; qualidade de dados.

19 de noviembre de 2026

Aplicação de Inteligência Artificial Generativa como Ferramenta de Apoio à Tomada de Decisão em Manutenção Preditiva

A crescente utilização de dados operacionais na indústria ampliou a relevância da manutenção preditiva para a identificação de falhas em equipamentos. Avaliou-se a confiabilidade e a aplicabilidade da Inteligência Artificial Generativa (IAG) como ferramenta de apoio à análise de dados industriais, comparando suas classificações com as de um modelo supervisionado Random Forest. A pesquisa utilizou o Al4l 2020 Balanced Predictive Maintenance Dataset e seus conjuntos originais de treinamento e teste. Após o treinamento e a otimização do Random Forest, selecionaram-se 198 registros válidos do conjunto de teste, sendo 98 casos de falha e 100 de não falha. Os mesmos registros foram analisados pelo GPT-40 com prompts estruturados e estratégia few-shot prompting. O desempenho foi medido por acurácia, precisão, recall e F1-score, além da análise das divergências e das justificativas técnicas geradas pelo GPT-40. O Random Forest superou o GPT-40 em todas as métricas, com acurácia de 90,40% (RF) vs. 78,28% (GPT-40), precisão de 97,59% (RF) vs. 80,22% (GPT-40), recall de 82,65% (RF) vs. 74,49% (GPT-40) e F1-score de 89,50% (RF) vs. 77,25% (GPT-40). Apesar do desempenho quantitativo inferior, o GPT-40 produziu classificações e justificativas técnicas em linguagem natural, indicando potencial complementar aos modelos supervisionados na interpretação de dados e apoio à tomada de decisão.

Palavras-chave: análise de dados; apoio à decisão; inteligência artificial generativa; manutenção preditiva; modelos supervisionados.

19 de noviembre de 2026

Modelagem de risco de crédito: comparação da regressão logística com algoritmos avançados de machine learning.

Na área de concessão e manutenção de crédito, a utilização de métodos estatísticos é essencial para avaliar a capacidade de pagamento dos clientes e mitigar riscos de inadimplência. Historicamente, modelos como a regressão logística foram amplamente empregados devido à sua interpretabilidade. Contudo, o avanço em ciência de dados e o desenvolvimento de algoritmos de machine learning mais complexos abriram novas oportunidades para a discriminação do risco de crédito. Este estudo teve como objetivo avaliar se modelos mais recentes oferecem ganhos significativos na capacidade de discriminação de inadimplência, considerando o trade-off entre desempenho preditivo e interpretabilidade. Para isso, compararam-se a regressão logística e o XGBoost, treinados e testados em uma base de dados pública de crédito, utilizando as mesmas variáveis e procedimentos de tratamento para assegurar uma comparação justa. Os resultados indicaram que o modelo XGBoost apresentou desempenho superior à regressão logística, demonstrando maior eficácia na discriminação entre clientes adimplentes e inadimplentes. Concluiu-se que, apesar da menor interpretabilidade dos modelos de aprendizado de máquina baseados em árvores, o ganho em desempenho preditivo evidencia o potencial de sua aplicação na modelagem estatística para concessão e manutenção de crédito.

Palavras-chave: Aprendizado de máquina; Inadimplência; Modelagem estatística; Regressão logística; Risco de crédito.

19 de noviembre de 2026

Painel analítico para monitoramento de indicadores de absenteísmo e doença ocupacional

O impacto do adoecimento e afastamento laboral, especialmente por doenças osteomusculares, representa um desafio multifatorial para as corporações, gerando custos e defasagem de mão de obra. Este estudo teve como objetivo desenvolver um painel analítico para monitorar indicadores de absenteísmo por doença osteomuscular em uma multinacional do ramo de metalurgia, localizada no interior do estado de São Paulo, no período de 2020 a 2024. Realizou-se um estudo quantitativo, correlacional e do tipo coorte retrospectivo. Os dados foram extraídos do Sistema de Saúde Ocupacional da empresa, abrangendo 56.732 atestados médicos, dos quais 5.244 eram de doenças ortopédicas. A população de estudo incluiu trabalhadores afastados por doenças ortopédicas, divididos em grupos com e sem Comunicação de Acidente de Trabalho (CAT). Para tratamento e análise, utilizou-se a ferramenta Microsoft Power BI. Verificou-se que os funcionários com CAT apresentaram uma quantidade proporcionalmente maior de atestados médicos e um período de afastamento superior em comparação aos funcionários sem CAT. Além disso, observou-se um intervalo significativo entre o diagnóstico e a emissão da CAT, e que quase metade dos afastamentos ocorreu antes da emissão formal. O painel analítico desenvolvido revelou-se um instrumento estratégico para a gestão da saúde do trabalhador, permitindo a identificação de padrões de absenteísmo e subsidiando a tomada de decisões para ações preventivas e monitoramento contínuo.

Palavras-chave: Afastamento do Trabalho; Análise de dados; Saúde do Trabalhador.

19 de noviembre de 2026

Ferramentas Lean Construction em retrofit industrial para conversão em galpões logísticos

Uma análise da aplicação de ferramentas Lean Construction em uma obra de retrofit industrial, destinada à conversão de uma fábrica antiga em um condomínio de galpões logísticos na cidade de São Paulo, foi realizada. O objetivo foi investigar como essas ferramentas poderiam aprimorar o planejamento, a coordenação das operações, o controle do fluxo produtivo e a gestão do empreendimento, frente aos desafios de múltiplas frentes de trabalho, interdependência entre disciplinas, restrições logísticas e pressão por prazos de entrega. A metodologia empregou um estudo de caso comparativo, de natureza mista, entre dois empreendimentos de retrofit industrial executados pela mesma construtora. Um dos empreendimentos aplicou de forma estruturada ferramentas como Last Planner System (LPS), Linha de Balanço, Kanban, Gestão Visual (5S) e Reuniões Diárias Curtas (Daily Huddles), enquanto o outro serviu como referência. A coleta de dados envolveu observação direta, análise documental e indicadores de desempenho, como o Percent Plan Complete (PPC). Os resultados demonstraram melhorias significativas na confiabilidade do planejamento, na coordenação operacional e no sequenciamento das atividades. Observou-se uma redução de conflitos entre equipes e a diminuição dos prazos de atividades críticas no empreendimento que utilizou as ferramentas Lean, em comparação com o de referência. A aplicação dessas ferramentas também fortaleceu práticas de gestão de projetos em áreas como cronograma, comunicação, qualidade e gestão do conhecimento. Concluiu-se que a utilização integrada das ferramentas Lean Construction aumentou a previsibilidade das atividades, reduziu desperdícios, melhorou a tomada de decisão e promoveu uma gestão mais eficiente em obras de retrofit industrial, contribuindo para a literatura sobre a aplicação de Lean em projetos de retrofit.

Palavras-chave: Galpões logísticos; Gestão de obras; Lean Construction; Retrofit industrial.

19 de noviembre de 2026

Reconhecimento de falhas por imagens: visão computacional para identificação de defeitos em processos industriais

A automação da inspeção de qualidade em processos industriais, impulsionada pela Indústria 4.0, enfrenta desafios devido à dependência de métodos manuais, suscetíveis a falhas e com limitações de escalabilidade. Desenvolveu-se e avaliou-se um sistema de visão computacional para identificar defeitos em peças metálicas a partir de imagens digitais, visando reduzir a dependência da inspeção manual. A pesquisa, de natureza aplicada e abordagem quantitativa experimental, utilizou conjuntos de imagens de bases públicas de anomalias industriais. Os dados foram pré-processados e aumentados, e uma rede neural convolucional foi implementada, combinando arquitetura própria e transfer learning. O conjunto de dados foi dividido em subconjuntos de treinamento, validação e teste. Os resultados demonstraram a eficácia do modelo na classificação de defeitos, avaliada por métricas como acurácia, precisão, recall e F1-score, e análise da matriz de confusão. Observou-se uma capacidade inicial de classificação, embora os resultados demandem maior detalhamento e evidências visuais para análise aprofundada. Concluiu-se que o modelo desenvolvido atendeu aos objetivos propostos, evidenciando potencial para aplicação em ambientes industriais que requerem maior confiabilidade, padronização e eficiência no controle de qualidade.

Palavras-chave: Aprendizado profundo; Controle de qualidade; Inspeção automatizada; Manufatura digital; Redes neurais convolucionais.