PREDIÇÃO DE FALHAS EM PROCESSOS LOGÍSTICOS: DESENVOLVIMENTO E VALIDAÇÃO DE UM MODELO PREDITIVO

Resumen

Na atual configuração de emergência, falhas operacionais na expedição levam a atrasos na entrega de materiais, o que compromete o atendimento ao cliente. Este trabalho explora uma proposta de desenvolvimento de machine learning com abordagem preditiva, destinada a prever falhas em processos logísticos, mais especificamente em expedições emergenciais de material cirúrgico. Utilizou-se a metodologia Design Science Research, o estudo resultou em um artefato preditivo apoiado na técnica de Regressão Linear, aplicado na ferramenta Knime. Para a construção do modelo, foram coletados dados utilizados para treinamento e validação extraídos do sistema de armazém, totalizando 20.368 expedições, das quais 1.697 atenderam a emergências. O modelo desenvolvido foi validado estatisticamente como R² de 97%, o que confirma a precisão do modelo em prever falhas antes que ocorram. Conclui-se, portanto, que a aplicação de modelos de predição aplicados em processos logísticos pode aumentar o índice de atendimento a emergência com a diminuir atrasos, além de fornecer aos gestores.