Search

ABSTRACT Aim: Analysis of the use of ophthalmic instruments during surgical procedures in order to propose a material management method. Method: Mixed method study, sequential exploratory design, performed from January to June 2015, at a university hospital in southern Brazil. First, a qualitative approach was held from brainstorming and field observation. Themes were grouped into thematic categories. By connection, the quantitative stage happened through matrix arrangement and linear programming, culminating in the instrument management proposal. Results: Given categories - instruments reorganization according to the time of the surgical procedure and the need surgical instruments for in each procedure - guided the definition of existing restrictions and application of mathematical models. There was an average reduction of 13.10% in the number of surgical instruments per tray and an increase of 17.88% in surgical production. Final considerations: This proposal allowed the rationalization and optimization of ophthalmic instruments, favoring sustainability of the organization.

BackgroundThe recent literature reports promising results from using intelligent systems to support decision making in healthcare operations. Using these systems may lead to improved diagnostic and treatment protocols and to predict hospital bed demand. Predicting hospital bed demand in emergency department (ED) attendances could help resource allocation and reduce pressure on busy hospitals. However, there is still limited knowledge on whether intelligent systems can operate as fully autonomous, user-independent systems.ObjectiveCompare the performance of a computer-based algorithm and humans in predicting hospital bed demand (admissions and discharges) based on the initial SOAP (Subjective, Objective, Assessment, Plan) records of the ED.MethodsThis was a retrospective cohort study that compared the performance of humans and machines in predicting hospital bed demand from an ED. It considered electronic medical records (EMR) of 9030 patients (230 used as a testing set, and hence evaluated both by humans and by an algorithm, and 8800 used as a training set exclusively by the algorithm) who visited the ED of a tertiary care and teaching public hospital located in Porto Alegre, Brazil between January and December 2014. The machine role was played by Support Vector Machine Classifier and the human prediction was performed by four ED physicians. Predictions were compared in terms of sensitivity, specificity, accuracy, and area under the receiver operating characteristic curve (AUROC).ResultsAll graders achieved similar accuracies. The accuracy by AUROC for the testing set was 0.82 [95% confidence interval (CI) of 0.77-0.87], 0.80 (95% CI: 0.75-0.85), 0.76 (95% CI: 0.71-0.81) for novice physicians, machine, experienced physicians, respectively. Processing time per test EMR was 0.00812±0.0009 seconds. In contrast, novice physicians took on average 156.80 seconds per test EMR, while experienced physicians took on average 56.40 seconds per test EMR.ConclusionsOur data indicated that the system could predict patient admission or discharge states with 80% accuracy, which was similar the performance of novice and experienced physicians. These results suggested that the algorithm could operate as an autonomous and independent system to complete this task.

Resumo Linhas de montagem mista combinam a fabricação de diferentes modelos de produtos em uma única linha de montagem, proporcionando flexibilidade de produção de acordo com a sazonalidade de vendas, evitando a baixa utilização dos ativos. Este artigo propõe uma heurística para balanceamento em linhas de produção sujeitas a distintos mix de produtos com vistas a atenuar as restrições de capacidade nas estações de trabalho e aumentar a eficiência de balanceamento. A abordagem proposta foi aplicada em uma linha de montagem mista com 7 modelos de produtos. Os resultados foram considerados satisfatórios, segundo avaliação de especialistas, quando avaliados em termos de capacidade produtiva, ciclo de fabricação e balanceamento de linha.

Empresas integradas a cadeias de suprimento constantemente buscam iniciativas para melhorar o desempenho global da cadeia, principalmente no que concerne ao fornecimento de produtos e gerenciamento dos canais diretos e indiretos de distribuição. O VMI (Vendor Managed Inventory) auxilia as empresas a melhor gerenciar e balancear o estoque ao longo da cadeia. Para o bom funcionamento do VMI,é necessário que parâmetros e modelos de cálculo alinhem-se às características dos produtos e locais de reposição, normalmente descritos por elevado número de variáveis. Este artigo propõe uma sistemática de seleção de variáveis para classificação de produtos em modelos de reposição. Para tanto, utiliza a Análise dos Componentes Principais (ACP) em conjunto com as ferramentas de classificação k-Nearest Neighbor(KNN) e Análise Discriminante Linear (ADL). Ao ser aplicado em um estudo prático do setor de consultoria em Supply Chain, o método proposto alcançou uma acurácia de classificação de 90% ao reter 55% das variáveis originais.

A manufatura de produtos personalizados em larga escala, chamada customização em massa, implica o aumento da variedade de modelos e redução no tamanho dos lotes de produção. Tarefas que dependem da habilidade humana são especialmente afetadas nesse contexto, visto que os trabalhadores precisam se adaptar às características do novo modelo. Esse processo de adaptação pode ocorrer de forma distinta dentro do grupo de trabalhadores, justificando o desenvolvimento de sistemáticas com vistas ao agrupamento de indivíduos com características de aprendizado semelhantes. Este artigo propõe um método para formação de grupos homogêneos de trabalhadores de acordo com seus perfis de aprendizado pela integração de curvas de aprendizado e clusterização. Para tanto, dados de desempenho são coletados e modelados por meio de curvas de aprendizado; os parâmetros oriundos da modelagem quantificam o processo de adaptação dos trabalhadores às tarefas, servindo de base para o agrupamento dos trabalhadores. Na primeira proposição deste artigo, os dados originais (parâmetros) são clusterizados pelo método K-Means, e a qualidade do agrupamento formado, avaliada por intermédio do Silhouette Index (SI). Em uma proposição alternativa, a Análise de Componentes Principais (ACP) é aplicada sobre os dados originais e as variáveis latentes geradas (escores) são clusterizados por meio do K-Means. Quando aplicado em um processo da indústria calçadista, a clusterização apoiada nos escores apresentou um incremento na qualidade dos agrupamentos medida por SI de 147% (de SI=0,392 para SI=0,968) quando comparado à clusterização aplicada às variáveis originais. Os dois grupos de trabalhadores gerados pelo método foram corroborados com base na separação em um gráfico relacionando os componentes principais obtidos. Por fim, um estudo de simulação foi realizado para corroborar a eficácia do método proposto, o qual se mostrou robusto quando submetido a diferentes níveis de ruído, correlação e proporções de variáveis e observações. Por meio da análise de variâncias (ANOVA), verificou-se que os fatores variância do ruído e proporção de observações por variáveis interferiram significativamente na qualidade da clusterização; por sua vez, a correlação entre as variáveis não apresentou variância significativa nos agrupamentos.

Dados meteorológicos e relacionados a questões de segurança têm sido integrados a análises que buscam caracterizar as relações fundamentais do fluxo de tráfego em rodovias, com o objetivo de compreender melhor o comportamento do tráfego em condições adversas (como chuvas), e em períodos com ocorrências de incidentes. Neste contexto, este artigo propõe a aplicação de métodos de agrupamento de observações (clusterização) para caracterizar o comportamento do tráfego da rodovia BR-290/RS, na região metropolitana da cidade de Porto Alegre – RS. As técnicas de clusterização aplicadas na análise são K-means e fuzzy clustering (FCM). Através da clusterização, foi possível determinar padrões comportamentais influenciados pelas variáveis (fluxo, velocidade, acidentes e chuvas). Clusters relacionados a períodos com chuva indicam redução de velocidade em cerca de 10 km/h. Cluster de períodos relativos a condições de acidentes indicam que as velocida-des reduzem para intervalos entre 10 e 35 km /h, com volumes sempre inferiores a 1000 veic/h.

Dados meteorológicos e relacionados a questões de segurança têm sido integrados a análises que buscam caracterizar as relações fundamentais do fluxo de tráfego em rodovias, com o objetivo de compreender melhor o comportamento do tráfego em condições adversas (como chuvas), e em períodos com ocorrências de incidentes. Neste contexto, este artigo propõe a aplicação de métodos de agrupamento de observações (clusterização) para caracterizar o comportamento do tráfego da rodovia BR-290/RS, na região metropolitana da cidade de Porto Alegre – RS. As técnicas de clusterização aplicadas na análise são K-means e fuzzy clustering (FCM). Através da clusterização, foi possível determinar padrões comportamentais influenciados pelas variáveis (fluxo, velocidade, acidentes e chuvas). Clusters relacionados a períodos com chuva indicam redução de velocidade em cerca de 10 km/h. Cluster de períodos relativos a condições de acidentes indicam que as velocida-des reduzem para intervalos entre 10 e 35 km /h, com volumes sempre inferiores a 1000 veic/h.

In the highly competitive market, companies are required to focus on efficiency within and outside the organization. Performance measures must be able to evaluate the entire organization instead of a limited number of processes. This paper suggests a method to evaluate supply chain performance using competitive criteria. We first group several performance indices into clusters associated to several competitive criteria, and then order those indices using the Analytic Hierarchy Process (AHP). A consolidated index for measuring the company’s performance is obtained by means of the Preference Function. The proposed method enables a critical analysis on both aggregated and disaggregated senses. We illustrate the proposed method on 4 logistics companies in a steel company.

Bancos de dados caracterizados por elevado número de variáveis correlacionadas são usualmente encontrados em ambientes industriais, dificultando a identificação das variáveis de processo mais relevantes. A regressão por quadrados parciais mínimos (Partial Least Square - PLS) tem sido amplamente utilizada para a seleção de variáveis com propósitos de predição. No entanto, muitas aplicações práticas priorizam a correta categorização de lotes produtivos em classes, de acordo com determinada especificação do produto final. Neste artigo, a regressão PLS é integrada às ferramentas de classificação z vizinhos mais próximos (z-Nearest Neighbor) e máquina de suporte vetorial (Support Vector Machine) com visando a seleção de variáveis para fins de categorização de bateladas de produção em duas classes. Índices de Importância das Variáveis (IIV) baseados nos parâmetros da regressão PLS são desenvolvidos para o ordenamento das variáveis de processo, de acordo com sua relevância para a caracterização da variável de produto, e então integrados às ferramentas de classificação. O subconjunto de variáveis retidas é identificado através do monitoramento do perfil de acurácia gerado com a remoção sistemática das variáveis menos relevantes. Aplicada em três bancos de dados, a metodologia proposta reduziu o número de variáveis de processo necessárias para classificação de bateladas em 90,6% e elevou a acurácia média de classificação em 29,2%, quando comparada à aplicação de ferramentas de classificação na totalidade das variáveis.A large number of correlated process variables are usually found in industrial environments, making it difficult for engineers to identify the key variables. Partial Least Squares (PLS) has been successfully applied to select the most relevant process variables for predicting response variables. However, many practical applications are more interested in correctly categorizing the final product into classes. This paper addresses this classification issue by integrating Partial Least Square (PLS) regression to the z-nearest neighbor rule and support vector machine for the categorization of production batches into two quality levels. Indices based on PLS parameters are developed for evaluating variable importance. The classification methods are then applied to reduce noisy and irrelevant variables based on the importance indices. The best subset of variables is identified by monitoring accuracy profile variations while variables are removed. In three datasets, the suggested approach reduced the number of variables necessary for classification of production batches by 90.6 per cent, while yielding 29.2 per cent more accurate classifications.

Reliability evaluation of systems composed of non-identical multi-state components is a challenging task due to the highly combinatorial nature of the problem. The outcome is a lack of understanding regarding the reliability behavior of a system when components with different magnitudes of failure probabilities are considered, especially when extra components are added. The present work addresses this problem by presenting a simplified approach to analyze variations on reliability profiles of series and parallel systems composed of non-identical three-state components. In addition, this work presents an optimization model for allocation of non-identical components under financial and physical restrictions. The model performed satisfactorily in terms of robustness when different magnitudes of failure probabilities were tested.Sistemas compostos por componentes não-idênticos com múltiplos modos de falha demandam expressões complexas para estimativa de confiabilidade, tendo em vista o elevado número de combinações necessárias para descrição dos eventos que conduzem o sistema a falhas. Como consequência, a variação dos perfis de confiabilidade provocada por distintas magnitudes de probabilidades de falhas não é de claro entendimento, especialmente ao considerar-se a inclusão de novos componentes não-idênticos ao sistema. Este artigo apresenta uma abordagem simplificada para estimar níveis de confiabilidade em sistemas em série e paralelo, compostos por componentes não-idênticos com 3 modos de falha. Um modelo não-linear para otimizar a alocação de tais componentes em sistemas submetidos a restrições de projeto também é apresentado. Os resultados obtidos mostram que o modelo proposto é robusto quando diversas magnitudes de probabilidades de falhas são consideradas.

Curvas de aprendizado têm se mostrado ferramentas úteis no monitoramento do desempenho de um trabalhador submetido a uma nova tarefa, avaliando seu progresso na medida que repetições são efetuadas. Essas curvas foram introduzidas por Wright em 1936, e desde então, têm sido utilizadas para avaliação do tempo demandado para a conclusão de corridas de produção, estimação da redução de custos de produção e alocação de trabalhadores para tarefas com base em suas características de atuação. Este artigo apresenta o estado da arte da literatura em torno do tema, abordando os modelos existentes, aplicações em contextos práticos e limitações da ferramenta. Por fim, direcionamentos para pesquisas futuras serão propostos.Learning curves have been proven to be effective tools for monitoring the performance of workers exposed to a new task, describing their development as task repetition takes place. These curves were originally proposed by Wright in 1936, and have been used since then to evaluate the time demanded to complete production runs, to estimate production cost reduction as learning takes place, and to assign workers to tasks based on their performance profile. This paper presents the state-of-the-art in the literature on learning curves, covering the existing models, their limitations, and reported applications. Further research on the subject is proposed.

O uso eficiente dos ativos fixos é um dos principais objetivos na administração de empresas do setor de transporte urbano. Os veículos de transporte determinam o nível de serviço oferecido e impactam significativamente na eficiência dos inputs envolvidos no seu uso. O administrador pode otimizar a rentabilidade e o nível de serviço oferecido através da escolha do veículo apropriado e da definição da taxa de substituição do equipamento no tempo. Este artigo apresenta uma metodologia para a substituição de frotas de ônibus por meio da integração de critérios econômicos e não-econômicos. Aspectos econômicos são contemplados por indicadores econômicos e fluxo de caixa, utilizando custos de aquisição e manutenção da frota, entre outros. Aspectos não-econômicos são representados por decisões estratégicas e de gestão, sendo avaliados por intermédio de ferramentas de decisão múltipla. A metodologia proposta possibilitou avaliação detalhada do desempenho dos ônibus atuais frente a potenciais substitutos, viabilizando constante monitoramento dos ativos da empresa e assegurando elevados níveis de serviço ao cliente. A metodologia é ilustrada em uma empresa pública de transporte urbano.

ResumoLinhas de montagem mista combinam a fabricação de diferentes modelos de produtos em uma única linha de montagem, proporcionando flexibilidade de produção de acordo com a sazonalidade de vendas, evitando a baixa utilização dos ativos. Este artigo propõe uma heurística para balanceamento em linhas de produção sujeitas a distintos mix de produtos com vistas a atenuar as restrições de capacidade nas estações de trabalho e aumentar a eficiência de balanceamento. A abordagem proposta foi aplicada em uma linha de montagem mista com 7 modelos de produtos. Os resultados foram considerados satisfatórios, segundo avaliação de especialistas, quando avaliados em termos de capacidade produtiva, ciclo de fabricação e balanceamento de linha.

Curvas de aprendizagem permitem representar a melhoria no desempenho de um trabalhador por conta da repetição de um procedimento manual. Este artigo traz uma revisão da literatura das aplicações das curvas de aprendizado. Primeiramente, é apresentada uma breve revisão dos principais modelos de curva de aprendizado. É então apresentada uma revisão das principais utilizações para as curvas de aprendizado, agrupadas em 5 diferentes áreas de pesquisa: (i) Monitoramento de Custos; (ii) Gerenciamento e Otimização de Produção; (iii) Sequenciamento de tarefas; (iv) Atribuição de Tarefas para Trabalhadores e Balanceamento de Linhas de Produção; e (v) Cálculo do lote econômico de produção com o efeito de aprendizagem.