Resumo Executivo

Yuri da Silva Gomes Ferreira; Jéssica Alves Justo Mendes

Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

A indústria siderúrgica ocupa uma posição de extrema relevância estratégica para o desenvolvimento econômico nacional, atuando como fornecedora fundamental de insumos para setores vitais como a construção civil, a indústria automotiva e a infraestrutura de energia. No entanto, a complexidade inerente aos processos produtivos desse segmento impõe desafios severos quanto à manutenção da disponibilidade de equipamentos críticos. Conforme apontado pelo Instituto Aço Brasil (2023), paradas não programadas em unidades produtivas podem acarretar perdas financeiras que alcançam a cifra de R$ 2,8 milhões mensais por unidade, o que evidencia a necessidade premente de soluções que integrem eficiência operacional e sustentabilidade organizacional. Diante desse cenário, a literatura técnica e científica sobre gestão de projetos e operações ressalta que a convergência entre metodologias estruturadas e tecnologias avançadas de análise de dados constitui o caminho mais eficaz para mitigar tais riscos. O guia de conhecimentos em gerenciamento de projetos (PMI, 2021) recomenda a utilização de ferramentas como a Estrutura Analítica de Projetos e os gráficos de Gantt para sistematizar e monitorar iniciativas no ambiente industrial, enquanto Kerzner (2022) reforça que a maturidade organizacional e a previsibilidade dos resultados são diretamente ampliadas pela adoção de boas práticas de gestão.

Paralelamente ao rigor metodológico da gestão de projetos, a aplicação de soluções baseadas em inteligência de dados tem se consolidado como um diferencial competitivo indispensável. A utilização de ferramentas de visualização e análise, como o Power BI, permite a consolidação de vastos volumes de informações em painéis interativos que facilitam a tomada de decisão em tempo real (Microsoft, 2023). Nesse contexto, Ferri e Powell (2023) argumentam que o uso de business intelligence possibilita a identificação precisa de padrões e gargalos produtivos, contribuindo para a redução de falhas e para o incremento da confiabilidade operacional. A essa estrutura, soma-se a aplicação de metodologias de melhoria contínua, com destaque para o ciclo PDCA, composto pelas etapas de planejamento, execução, verificação e ação corretiva. Moen e Norman (2010) e Deming (2022) sustentam que esse modelo cria um fluxo iterativo de aprendizagem que, quando associado à análise preditiva de dados, atua como um catalisador para elevar a disponibilidade de ativos industriais. Portanto, a integração dessas frentes metodológicas visa gerar resultados práticos, mensuráveis e replicáveis, fundamentais para a sustentabilidade de plantas siderúrgicas de alta complexidade.

A caracterização desta investigação fundamentou-se em uma pesquisa aplicada, de natureza descritiva e exploratória, voltada para a resolução de problemas práticos no cotidiano industrial. Segundo Gil (2019), a pesquisa aplicada busca gerar conhecimentos para aplicações diretas, enquanto a abordagem descritiva relata as características de um fenômeno e a exploratória amplia a compreensão sobre temas pouco estruturados. A estratégia metodológica adotada foi o estudo de caso, técnica considerada por Yin (2015) como ideal para investigar fenômenos contemporâneos em seus contextos reais, especialmente quando as fronteiras entre o fenômeno e o ambiente não estão nitidamente delimitadas. O local do estudo foi uma organização brasileira de grande porte, consolidada desde a década de 1940 e reconhecida pelo elevado conhecimento metalúrgico na produção de aços e ligas especiais. A empresa atende setores de alta exigência técnica, como o aeroespacial e o de óleo e gás, e integra, desde meados dos anos 2000, um grupo multinacional europeu líder mundial no setor de metais de alto desempenho.

A metodologia foi operacionalizada em quatro fases interdependentes. Na primeira fase, dedicada à análise de dados, coletaram-se registros históricos de produção e manutenção referentes a um semestre operacional completo, intervalo considerado por Nakajima (2021) como suficiente para capturar padrões sazonais e falhas recorrentes. As informações foram extraídas de três fontes principais: relatórios do sistema de manutenção computadorizada, contendo ordens de serviço e tempos de indisponibilidade; planilhas internas do setor de produção com apontamentos de causas de paradas; e relatórios gerenciais de performance. Antes da análise, os dados foram submetidos a um rigoroso tratamento para eliminar duplicidades e inconsistências, além da padronização das categorias de falhas. Realizou-se uma verificação cruzada entre os dados da manutenção e da produção para assegurar a confiabilidade dos registros. As variáveis analisadas incluíram o tempo total de parada em horas, o tipo de falha (mecânica, elétrica, suprimentos ou operacional), a frequência de reincidência e o impacto percentual na disponibilidade do equipamento.

Com a base de dados consolidada, aplicaram-se técnicas de mineração e agregação em ambiente digital, utilizando a matriz de criticidade proposta por Moubray (2022) para hierarquizar as ocorrências sob a ótica da manutenção centrada na confiabilidade. Os dados foram então importados para o Power BI, onde se estruturaram painéis visuais seguindo os princípios de design de Few (2023), priorizando a clareza e a capacidade de gerar ações imediatas. Na segunda fase, a estruturação do projeto ocorreu por meio da elaboração da Estrutura Analítica de Projetos, que permitiu a decomposição hierárquica das entregas em sete etapas principais, garantindo a rastreabilidade entre os objetivos estratégicos e as tarefas operacionais, conforme preconizado por Turner (2023). A terceira fase focou na gestão do tempo através de gráficos de Gantt, incorporando margens de segurança de 15% para reduzir incertezas, seguindo a lógica da corrente crítica de Goldratt (2021). Por fim, a quarta fase consistiu na implementação do ciclo PDCA, com metas específicas para a redução de riscos e o cruzamento de indicadores quantitativos e qualitativos, respeitando a importância do fator humano destacada por Juran (2023).

A análise quantitativa descritiva, apoiada pelos recursos de business intelligence, revelou que a utilização do Power BI foi fundamental para transformar informações dispersas em visualizações acessíveis. A análise dos dados registrados entre abril de 2024 e abril de 2025 evidenciou variações significativas nos percentuais de perdas mensais. Observou-se que, em determinados meses, os picos de indisponibilidade superaram 50%, seguidos por quedas progressivas que sinalizaram a eficácia das intervenções realizadas. Entre todos os fatores analisados, a falta de material destacou-se como a causa primária de indisponibilidade, sendo responsável por perdas que oscilaram entre 10,5% e 19% ao mês. A constância desse fator indicou um gargalo estrutural no processo de suprimentos e na coordenação logística entre o planejamento, o almoxarifado e a produção. Esse diagnóstico é corroborado por Nakajima (2021), que enfatiza a necessidade de identificar deficiências sistêmicas em vez de apenas tratar eventos isolados.

A repetição da indisponibilidade por falta de material em quase todos os meses monitorados confirmou a existência de perdas crônicas, conceito discutido por Juran (2023) como problemas persistentes que exigem mudanças estruturais na administração de fluxos e recursos. O uso da ferramenta visual permitiu constatar que, em maio de 2024, as perdas atingiram o patamar crítico de 51,07%, representando um alerta máximo para a gestão. A partir desse diagnóstico, a tendência de redução gradual foi observada, alcançando níveis próximos a 25% no início de 2025. Esse movimento resultou diretamente da implementação de ações corretivas estruturadas. Ferri e Powell (2023) defendem que a conversão de dados dispersos em informações acionáveis é o pilar da transformação digital nas operações industriais, o que foi validado pela rapidez no diagnóstico e pela precisão na identificação da causa raiz neste estudo.

A estruturação do projeto por meio da Estrutura Analítica de Projetos organizou as ações em sete atividades principais: criação do visual no Power BI, análise detalhada das paradas, definição da prioridade de ataque, elaboração do plano de ação, aplicação prática do plano, acompanhamento contínuo e avaliação dos resultados. A atribuição de responsabilidades claras, como a designação da engenharia de processo para a análise técnica e da equipe multidisciplinar para a criação do plano de ação, garantiu a governança do processo. Kerzner (2022) ressalta que a responsabilidade única por entrega é condição indispensável para a eficácia gerencial. O sequenciamento lógico das tarefas permitiu que os dados consolidados na primeira etapa alimentassem as decisões subsequentes, reduzindo o risco de intervenções baseadas em suposições. Turner (2023) argumenta que projetos complexos exigem essa integração multidisciplinar para que todos os atores compreendam o impacto de suas atividades no desempenho global da planta.

No planejamento temporal, o gráfico de Gantt consolidou as atividades para o mês de abril de 2025, relacionando a precedência entre tarefas e a disponibilidade produtiva. A inserção da margem de segurança de 15% sobre os prazos estimados, fundamentada na teoria das restrições de Goldratt (2021), conferiu resiliência ao cronograma frente a imprevistos comuns no ambiente siderúrgico, como atrasos em insumos ou indisponibilidade de operadores. Barbosa e Freitas (2023) destacam que marcos de monitoramento quinzenais são práticas eficientes para evitar desvios e assegurar a coerência com os objetivos originais. A visualização clara do status das atividades no Gantt favoreceu a comunicação intersetorial e fortaleceu o alinhamento estratégico, permitindo que gestores e operadores acompanhassem o progresso em tempo real. A transparência gerada reduziu incertezas e estimulou o engajamento, uma vez que cada colaborador pôde visualizar sua contribuição específica para o aumento da disponibilidade do ativo.

A implementação do ciclo PDCA foi direcionada especificamente para o enfrentamento da falta de material. Na etapa de planejamento, focou-se na reorganização dos fluxos logísticos internos e na definição de estoques mínimos por processo, alinhando as áreas de planejamento e controle da produção, logística e operação. Segundo Deming (2022), o planejamento é a fase mais determinante para o sucesso da melhoria contínua, pois estabelece a base de sustentação para as demais etapas. Na fase de execução, as ações concentraram-se na criação de estoques de segurança e no treinamento dos operadores para o novo fluxo de abastecimento. Moen e Norman (2010) sugerem que a aplicação em escala piloto permite a validação das propostas antes da generalização, o que foi observado ao aplicar os ajustes inicialmente em áreas restritas para identificar oportunidades de melhoria em ambiente controlado.

A fase de verificação utilizou os indicadores monitorados no Power BI para comparar os resultados pós-implementação com o histórico de indisponibilidade. Os turnos que apresentaram maior aderência ao novo modelo de controle de estoque registraram ganhos imediatos na redução de paradas. Few (2023) ressalta que a clareza visual é essencial para sustentar processos decisórios, e os painéis interativos revelaram rapidamente a eficácia das medidas adotadas. Por fim, a etapa de ação corretiva envolveu a consolidação das melhorias e a institucionalização de reuniões semanais para reforçar a comunicação entre setores, além da criação de auditorias visuais simples nos pontos de estoque. Juran (2023) enfatiza que a padronização é essencial para evitar que os ganhos conquistados sejam perdidos com o tempo, integrando as lições aprendidas às rotinas permanentes da organização.

A discussão integrada dos resultados demonstra que a abordagem baseada na análise de dados e no gerenciamento estruturado promoveu avanços concretos. A combinação de ferramentas digitais e metodologias clássicas mostrou-se fundamental para diagnosticar falhas e consolidar melhorias sustentáveis. O uso do Power BI como instrumento de apoio à decisão possibilitou diagnósticos ágeis e transparentes, enquanto a Estrutura Analítica de Projetos viabilizou a transformação de um problema complexo em tarefas gerenciáveis. O gráfico de Gantt ofereceu a previsibilidade necessária para manter a fluidez das ações, e o ciclo PDCA garantiu que as soluções não fossem apenas medidas pontuais, mas sim parte de um processo de evolução contínua. A integração dessas três frentes metodológicas revelou-se eficaz para o caso estudado e plenamente replicável em outros contextos industriais de alta complexidade.

Os ganhos observados não se restringiram aos indicadores quantitativos de disponibilidade. Houve um fortalecimento notável no engajamento das equipes operacionais, que passaram a participar ativamente da execução e verificação das ações. Esse aspecto confirma os achados de Deming (2022) e Juran (2023) sobre a dependência da participação ativa dos colaboradores para a sustentabilidade das melhorias. Ao envolver operadores, engenheiros e gestores, o projeto gerou um senso de pertencimento e reforçou a cultura de melhoria contínua na planta siderúrgica. A rapidez com que os efeitos se tornaram visíveis, com a redução das falhas críticas em poucas semanas, reforçou a visão de Goldratt (2021) de que atacar o gargalo prioritário é a forma mais eficiente de gerar ganhos em sistemas produtivos complexos. A convergência entre tecnologia analítica e metodologias de gestão consolidou-se como um elemento estratégico para aumentar a confiabilidade dos ativos e reduzir custos operacionais.

Conclui-se que o objetivo foi atingido por meio do desenvolvimento e implementação de um modelo integrado que elevou a disponibilidade operacional do equipamento crítico na planta siderúrgica. A aplicação conjunta da análise de dados via Power BI, da estruturação por meio da Estrutura Analítica de Projetos, do planejamento temporal com gráficos de Gantt e da execução de melhorias pelo ciclo PDCA permitiu identificar a falta de material como o principal gargalo e reduzi-lo de forma sistemática. O modelo mostrou-se viável e replicável, proporcionando não apenas ganhos quantitativos na redução de paradas, mas também avanços qualitativos no engajamento das equipes e na governança dos processos. A integração entre ferramentas digitais e métodos clássicos de gestão estabeleceu bases sólidas para a sustentabilidade das operações, contribuindo diretamente para a competitividade e a confiabilidade da organização no setor siderúrgico.

Referências Bibliográficas:

Barbosa, C.; Freitas, H. 2023. Gestão avançada de cronogramas. 3ed. Atlas, São Paulo, SP, Brasil.

Deming, W.E. 2022. Out of the crisis. 2ed. MIT Press, Cambridge, MA, USA.

Ferri, M.; Powell, G. 2023. Industrial business intelligence. Wiley, New York, NY, USA.

Few, S. 2023. Information dashboard design. 3ed. Analytics Press, Oakland, CA, USA.

Gil, A.C. 2019. Como elaborar projetos de pesquisa. 6ed. Atlas, São Paulo, SP, Brasil. 173p.

Goldratt, E. 2021. Critical chain. 2ed. Routledge, London, UK.

Instituto Aço Brasil. 2023. Relatório anual 2023. Instituto Aço Brasil, São Paulo, SP, Brasil.

Juran, J. 2023. Juran’s quality handbook. 7ed. McGraw-Hill, New York, NY, USA.

Kerzner, H. 2022. Project management: case studies. 6ed. Wiley, Hoboken, NJ, USA.

Microsoft. 2023. Power BI documentation. Microsoft Press, Redmond, WA, USA.

Moen, R.; Norman, C. 2010. Evolution of the PDCA cycle. Quality Progress, v.43, n.11, p.22-31.

Moubray, J. 2022. Reliability-centered maintenance. 3ed. Industrial Press, New York, NY, USA.

Nakajima, S. 2021. Introduction to TPM. Productivity Press, Portland, OR, USA.

Project Management Institute. 2021. A guide to the project management body of knowledge. 7ed. PMI, Pennsylvania, PA, USA.

Turner, J.R. 2023. Advanced project management. v.1. Routledge, London, UK.

Yin, R.K. 2015. Estudo de caso: planejamento e métodos. 5ed. Bookman, Porto Alegre, RS, Brasil.

Resumo executivo 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