CENTRO ESTADUAL DE ENSINO TECNOLGICO PAULA SOUZA FACULDADE DE TECNOLOGIA DE INDAIATUBA

CLEBERSON RICARDO AMARAL

O uso do Business Intelligence como Gerador de Indicadores de Desempenho e Investimentos no Setor de Manuteno Industrial

Indaiatuba Novembro/2011

CLEBERSON RICARDO AMARAL

O uso do Business Intelligence como Gerador de Indicadores de Desempenho e Investimentos no Setor de Manuteno Industrial

Trabalho de Graduao do Curso Superior de Tecnologia em Informtica com nfase em Banco de Dados, elaborado sob a orientao do Professor Valter Castelhano de Oliveira.

Indaiatuba Novembro/2011

DEDICATRIA

Aos meus pais Carlos e Clia que sempre me deram muito apoio, principalmente nos momentos mais difceis da minha vida. minha amada esposa Carla que sempre esteve ao meu lado, dando suporte e nunca medindo esforos para me ajudar. Ao meu filho Enzo, fonte de inspirao e alegria. As minhas irms Carla, Cibelle e Cintia, exemplos de sabedoria dignidade e carter.

AGRADECIMENTOS

Agradeo primeiramente a Deus por ter me dado sabedoria, entendimento e foras para alcanar este objetivo. Ao meu orientador Valter Castelhano de Oliveira pelas preciosas dicas, me acompanhando nesta trajetria e estando sempre disponvel e disposto em ajudar. Aos meus professores por toda ajuda e suporte no decorrer dos ltimos trs anos de estudo. Em especial professora Andria Damsio de Leles, por sua pacincia, amizade e constante ajuda durante todo o desenvolvimento deste projeto. Ao Fausto Rodrigues e Maiara Gildete de Souza pelo auxlio no desenvolvimento deste trabalho. A empresa M&G Fibras e Resinas, na pessoa do Gerente Industrial Ciriaco Portela, principal responsvel pela realizao deste projeto, por sua ateno e disposio, sempre me ajudando quando foi preciso.

SUMRIO

INTRODUO ................................................................................................. 12 CAPTULO I ENGENHARIA DE MANUTENO ............................................. 17 1.1. 1.2. 1.3. 1.4. 1.5. 1.6. 1.7. 1.8. 1.9. 1.10. 1.11. 1.12. 1.13. 1.14. INTRODUO ENGENHARIA DE MANUTENO ........................................... 17 MANUTENO CENTRADA NA CONFIABILIDADE ........................................... 17 MANUTENO CORRETIVA ....................................................................... 18 MANUTENO PREVENTIVA...................................................................... 18 MANUTENO PREDITIVA ........................................................................ 19 INDICADORES DE DESEMPENHO DA MANUTENO ......................................... 19 TAXA DE AVARIAS .................................................................................. 19 MTBF (MEAN TIME BETWEEN FAILURE - TEMPO MDIO ENTRE FALHAS) .......... 20 MTTR (MEAN TIME TO REPAIR - TEMPO MDIO PARA REPARO) ........................ 20 DISPONIBILIDADE DO EQUIPAMENTO .......................................................... 21 MTTF (MEAN TIME TO FAILURE - TEMPO MDIO PARA FALHA) ...................... 21 CONFIABILIDADE OPERACIONAL ................................................................ 22 GESTO DE CUSTOS ................................................................................. 22 CUSTOS DE QUALIDADE ........................................................................... 22

CAPTULO II - BUSINESS INTELLIGENCE ....................................................... 24 2.1. 2.2. 2.3. 2.4. 2.4.1. 2.4.2. 2.5. 2.5.1. 2.5.2. 2.5.3. 2.6. INTRODUO AO BUSINESS INTELLIGENCE .................................................... 24 DATA WAREHOUSE ................................................................................... 24 CARACTERSTICAS DE UM DATA WAREHOUSE ................................................ 25 MTODOS DE IMPLEMENTAO DO DW ...................................................... 26 IMPLEMENTAO TOP DOWN .................................................................... 26 IMPLEMENTAO BOTTOM-UP ................................................................... 26 MODELAGEM DIMENSIONAL ..................................................................... 27 ESQUEMA ESTRELA DO BANCO DE DADOS ................................................... 27 ESQUEMA SNOWFLAKE (FLOCO DE NEVE) ..................................................... 28 GRANULARIDADE .................................................................................... 29 DATA MARTS ......................................................................................... 29

2.7. 2.8. 2.8.1.

EXTRAO, TRANSFORMAO E CARGA DE DADOS. ..................................... 30 FERRAMENTAS OLAP - ONLINE ANALYTICAL PROCESS.................................... 30 SLICE AND DICE, DRILL-DOWN, DRILL-UP ....................................................... 31

CAPTULO III - ENGENHARIA ECONMICA .................................................... 33 3.1. 3.2. 3.3. 3.4. 3.5. 3.6. 3.7. 3.8. INTRODUO A ENGENHARIA ECONMICA .................................................. 33 MTODO TMA (TAXA MNIMA DE ATRATIVIDADE) ...................................... 33 MTODO PAYBACK ................................................................................... 33 MTODO VPL (VALOR PRESENTE LQUIDO) ................................................ 35 MTODO TIR (TAXA INTERNA DE RETORNO) ............................................... 35 MTODO VAUE (VALOR ANUAL UNIFORME EQUIVALENTE) .......................... 36 MTODO ROI (RETURN ON INVESTMENT RETORNO SOBRE INVESTIMENTO) ..... 37 MTODO EVA (ECONOMIC VALUE ADDED - VALOR ECONMICO AGREGADO) ... 38

CAPTULO IV - ESPECIFICAO E IMPLEMENTAO DO PROJETO ............... 39 4.1. 4.2. 4.2.1. 4.3. 4.3.1. 4.3.2. 4.4. ESTUDO DE CASO .................................................................................... 39 SISTEMA INFORMACIONAL ATUAL.............................................................. 39 LEVANTAMENTO E DESCRIO DOS REQUISITOS FUNCIONAIS ......................... 40 ESPECIFICAO E IMPLEMENTAO ............................................................ 41 SELEO DO PROCESSO DE NEGCIO ........................................................... 42 GRANULARIDADE .................................................................................... 42 IMPLEMENTAO DO PROJETO................................................................... 43

CAPTULO V - RESULTADOS OBTIDOS ........................................................... 47 5.1. 5.1.1. 5.1.2. ANLISE ONLINE DE DADOS ...................................................................... 47 CUBO CONFIABILIDADE............................................................................ 47 CUBO INVESTIMENTO............................................................................... 50

CONSIDERAES FINAIS ............................................................................... 53 REFERNCIAS BIBLIOGRFICAS ................................................................... 55 APNDICES ..................................................................................................... 57 ANEXOS .......................................................................................................... 88

LISTA DE TABELAS
TABELA 1 - Fluxos de Caixa relativo ao projeto A e ao projeto B ............................ 34 TABELA 2 - Fluxos de Caixa relativo ao projeto A ................................................ 34 TABELA 3 - Fluxos de Caixa relativo ao projeto B ................................................ 34 TABELA 4 - Dicionrio de Dados Tabela Dimenso Data Mart Investimentos .......... 58 TABELA 5 - Dicionrio de Dados Tabela Fato do Data Mart Investimentos .............. 59 TABELA 6 - Dicionrio de Dados Tabela Dimenso Data Mart Confiabilidade ......... 60 TABELA 7 - Dicionrio de Dados Tabela Fato Data Mart Confiabilidade ................. 61

LISTA DE ILUSTRAES
FIGURA 1 - A questo da no volatilidade. ........................................................... 25 FIGURA 2 - Esquema Estrela ............................................................................. 28 FIGURA 3 - Esquema Floco de neve .................................................................... 29 FIGURA 4 - Esquema estrela Data Mart Investimento. ........................................... 43 FIGURA 5 - Esquema estrela Data Mart Confiabilidade. ........................................ 43 FIGURA 6 - Software para Gesto da Manuteno ................................................. 44 FIGURA 7 - Anlise: Mquina X Tempo. ............................................................. 48 FIGURA 8 - Anlise: Equipamento X Mquinas X Causas. ..................................... 49 FIGURA 9 - Anlise: Mquina X Tempo X Equipamento........................................ 49 FIGURA 10 - Anlise produtividade por Mquina. ................................................. 50 FIGURA 11 - Anlise: Pea x Mquina x Tempo. .................................................. 51 FIGURA 12 - Indicadores Econmicos. ................................................................ 51 QUADRO 1 - Requisitos funcionais X importncia para os negcios ........................ 40

LISTA DE ABREVIATURAS E SIGLAS

ABNT - Associao Brasileira de Normas Tcnicas BI - Business Intelligence BIDS Business Intelligence Development Studio BSC - Balanced Score Card CDB - Certificado de Depsito Bancrio CDMQ - Custos de M Qualidade D - Disponibilidade DM - Data Mart DOLAP - Desktop Online Analytical Process DTSWIZARD - Data Transformation Services Wizard DW - Data Warehouse ERP - Enterprise Resource Planning ETL - Extract, Transform and Load EVA - Economic Value Added FK - Foreign Key HOLAP - Hybrid Online Analytical Processing KDD - Knowledge Discovery in Data Base MOLAP - Multidimensional Online Analytical Process MTBF - Mean Time Between Failures MTTF - Mean Time to Failures MTTR - Mean Time To Repair NA - Nmero total de avarias do equipamento Nav - Nmero de avarias no perodo analisado NBR - Norma Brasileira OLAP - Online Analytical Processing OLE DB - Object Linking and Embedding, Database OLTP - Online Transaction Processing PET - Polietileno Tereftalato PK - Primary Key

RCM - Reliability Centred Maintenance ROI - Return On Investment ROLAP - Relational On Line Processing RONA - Return On Net Assets SAD - Sistemas de Apoio Deciso SGBD - Sistema Gerenciador de Banco de Dados SQL - Structured Query Language SIGMA - Sistema de Gerenciamento de Manuteno SSAS - SQL Server Analysis Services SISS - SQL Server Integration Services TMA - Taxa Mnima de Atratividade TIR - Taxa Interna de Retorno TTA - Tempo total em horas das avarias do equipamento TTP - Tempo Total em horas de produo VAUE - Valor Anual Uniforme Equivalente VPL - Valor Presente Lquido WACC - Weighted Average Cost of Capital

LISTA DE SIMBOLOGIA

- Taxa de Avarias FCt - Valor Presente das Entradas de Caixa k - Taxa de Desconto n Tempo de desconto do ltimo fluxo de caixa t - Tempo de desconto de cada entrada de caixa

RESUMO

A proposta do presente trabalho descrever a utilizao do Business Intelligence, baseado em Data Warehouse, como ferramenta de anlise sobre falhas ocorridas durante o processo produtivo oferecendo informaes precisas ao corpo gerencial e servindo de apoio para a tomada de decises estratgicas. A proposta aqui apresentada visa estabelecer uma correlao entre os recursos fornecidos pelas ferramentas dos Sistemas de Informao e Business Intelligence, e o conjunto de indicadores Econmicos e de Manuteno Industrial. Como consequncia dessa correlao obtm-se uma poderosa ferramenta como fonte geradora de informaes para aferio do conjunto de indicadores oriundos do setor de Engenharia de Manuteno. Como resultado final, adquiriu-se um embasamento maior na implantao de aes atenuantes sobre falhas que comprometem o perfeito funcionamento do setor produtivo. Visando a consolidao da presente proposta, desenvolveu-se um ambiente computacional, utilizando-se dos fundamentos tericos e das melhores prticas de Sistemas de Informao, Business Intelligence, Engenharia Econmica e Engenharia de Manuteno. O ambiente computacional em questo foi desenvolvido baseando-se em um estudo de caso real. A contribuio do presente estudo de caso pode ser verificada atravs da anlise de ensaios realizados, sejam eles de ordem quantitativas ou qualitativas de falhas, cumprindo a funo de fornecer informaes precisas para apoio durante um processo de decisrio. Palavras chave: Business Intelligence, Engenharia Econmica, Engenharia de Manuteno, Sistemas de Informao.

12

INTRODUO

Nas ltimas dcadas, tem-se observado um rpido crescimento da competio global em termos de desenvolvimento tecnolgico nos mais variados setores da economia. Desta forma, o setor produtivo transformou-se numa rea estratgica, na qual por meio dela, possvel atender e satisfazer as necessidades do cliente, como qualidade, prazo e custo. Porm, para produzir com qualidade, dentro do prazo e a um baixo custo, as empresas exigem profissionais qualificados tanto para a operao de equipamentos complexos quanto para a realizao de melhorias contnuas no processo produtivo. A manuteno ocupa uma posio importante neste plano estratgico, com a participao ativa nas melhorias do processo produtivo e tambm por manter os equipamentos sempre em perfeitas condies de funcionamento. Para alcanar ndices elevados de confiabilidade, com custo mnimo, e que seja possvel identificar quais tarefas de manuteno so necessrias para detectar, reduzir e at mesmo evitar a ocorrncia de falhas nos ativos1 da organizao, utiliza-se a metodologia RCM (ReliabilityCentred Maintenance, Manuteno Centrada em Confiabilidade). A RCM tem como principal objetivo a aplicao de um mtodo para determinar qual ser a melhor estratgia de manuteno em um sistema ou equipamento. Para se implantar essa metodologia, deve-se primeiramente identificar possveis quedas de desempenho ou falhas funcionais sobre equipamentos dentro de um contexto operacional, ou seja, o presente mtodo busca identificar os modos como ocorrem as falhas e suas provveis causas, de posse dessas informaes, pode-se ento avaliar qual ser o impacto e a consequncia aps a ocorrncia de uma falha. Em suma, a metodologia RCM permite avaliar a criticidade das falhas e identificar quais as consequncias que possam afetar a segurana, a disponibilidade ou custo. Geralmente, um dos critrios das empresas se basear em mtricas de engenharia econmica como ROI - Return on Investment e Payback - Tempo de Retorno, para realizar anlise de viabilidade do investimento de qualquer rea funcional da organizao. Portanto, cada rea deve mostrar de forma clara os motivos da necessidade do investimento. A rea de
1

O termo Ativo pode ser definido como todos os bens e direitos de posse, controle ou propriedade da empresa, que sejam mensurveis monetariamente e que representam benefcios presentes ou futuros para a entidade. (Fonte www.ufes.br/dem/Arquivo/DicionarioTermosContab_.doc).

13

manuteno pode encontrar as justificativas atravs das informaes geradas pela RCM. O complexo cruzar as informaes relativas RCM e engenharia econmica. Dentro deste cenrio, dados so gerados a todo o momento, provenientes de diversas fontes como: controle do processo produtivo, gerncia da manuteno, materiais, entre outros. Aps a utilizao desses dados, quase sempre de maneira imediata, as empresas acabam por arquiv-los, pois desconhecem a sua utilidade como matria prima para a gerao de informaes teis no gerenciamento do negcio. De certa forma, porm, esse dado em sua forma bruta de nada poderia ajudar no gerenciamento do processo produtivo, e, por isso, precisam ser tratados e interpretados para que se possam extrair informaes relevantes. No mercado, existem diversas ferramentas comerciais especficas para esta finalidade que so fornecidas por empresas como Microsoft e Oracle. Essas empresas oferecem softwares que podem ser facilmente ajustados de acordo com a necessidade de cada empresa. Essas ferramentas so conhecidas como SAD2 (Sistemas de Apoio Deciso) ou BI (Business Intelligence), na qual o segundo termo tem sido amplamente utilizado. Os sistemas SAD ou BI, se modelados corretamente, de forma a fornecer os indicadores de desempenho adequados, podero auxiliar o gerente industrial a tomar a melhor deciso em um menor tempo garantindo assim uma maior vantagem competitiva. nesta linha de raciocnio que este trabalho de pesquisa est focado, buscando uma abordagem sobre o uso do BI na gerao de indicadores de desempenho sobre equipamentos e anlise de viabilidade econmica sobre investimentos no setor de Manuteno Industrial. O presente trabalho tem como objetivo apresentar uma proposta de anlise sobre indicadores de desempenho e investimentos no setor de Manuteno Industrial de maneira inteligente baseando-se em Data Warehouse e ferramentas OLAP (Online Analytical Processing), auxiliando o Gerente de Manuteno a tomar decises melhores, suportadas por informaes mais precisas. Com o apoio das tecnologias de Data Warehouse e ferramentas OLAP somados ao uso dos conceitos de Engenharia Econmica e de Manuteno, objetiva-se mensurar os gastos com a

Ferramentas SAD, so sistemas informatizados interativos que proporcionam ao usurio um acesso fcil a modelos decisrios e dados a fim de dar apoio a atividades de tomada de deciso.

14

manuteno, confiabilidade dos equipamentos e custos sobre investimentos no setor de Manuteno Industrial. Os objetivos especficos deste trabalho consistem em: Realizar um estudo sobre a anlise de desempenho do setor de Manuteno Industrial; Realizar um estudo sobre a anlise de investimentos em manuteno, dando nfase aos sistemas de Gesto Industrial; Aplicar o Sistema proposto na anlise de viabilidade de investimentos em setor Industrial e analisar os resultados obtidos; Validar o Sistema proposto a partir de um estudo de caso real.

Pretende-se com o presente trabalho responder as seguintes perguntas: A reduo de gastos com o setor de Manuteno Industrial se torna real medida que se tem um maior controle sobre o histrico de falhas nos equipamentos do setor produtivo? Houve um acrscimo no nvel de produtividade aps a realizao do investimento no setor de Manuteno Industrial? No de hoje que o uso da computao como recurso para apoiar decises amplamente utilizada em diferentes atividades organizacionais. A falta de qualidade e a dificuldade em se buscar dados histricos para transform-los em informao fazem com que gerentes e coordenadores de projetos no atuem com fundamento em informaes, neste caso, deixando basicamente sua intuio coordenar suas aes, o que pode ser passvel de falha no processo decisrio. Na rea de Manuteno Industrial a histria se repete, para que o gerente de manuteno ou coordenador industrial possam realizar ajustes necessrios visando otimizao do processo produtivo, necessrio melhorar a qualidade e o acesso pertinentes s reas envolvidas. Os sistemas de apoio deciso so ferramentas que permitem gerar informaes relacionadas aos indicadores de desempenho e, portanto se modelados adequadamente, tornaro excelentes instrumentos de apoio tomada de decises complexas durante a resoluo de um problema. Porm, o termo SAD, tem sido pouco utilizado, em seu lugar cada vez mais frequente o uso de termos como Business Intelligence e OLAP.

15

Por outro lado, est crescendo o reconhecimento de que BI est se tornando um componente necessrio na chamada segunda gerao dos sistemas ERP 3 (Enterprise Resource Planning - Planejamento dos Recursos da Empresa), reconhecendo claramente a necessidade de dar suporte ao processamento de transaes. Que em sua grande maioria, advm de reas financeiras e comerciais. Entretanto, em reas produtivas dado pouco foco aos sistemas de BI e menos ainda se comparado gesto da manuteno. Nesse estudo, o sistema ser aplicado no setor produtivo e modelado de tal forma que forneam indicadores de desempenho dos equipamentos envolvidos no processo de produo. O mtodo de pesquisa para este trabalho pode ser classificado quanto natureza, aos objetivos e ao procedimento. Quanto natureza trata-se de uma Pesquisa Aplicada, uma vez que a presente proposta ser validada em um ambiente empresarial na qual ir gerar conhecimentos para aplicao prtica dirigida soluo de problemas especficos. Em relao classificao quanto aos objetivos, este trabalho pode ser classificado como uma Pesquisa Explanatria, pois busca-se no referencial terico, as tcnicas e mtodos para atender problemtica do trabalho. Por fim, quanto ao procedimento, este trabalho pode ser classificado como uma Pesquisa Ao por se tratar de um tipo de pesquisa social com base emprica na qual realizada e concebida em estreita associao com uma ao ou com a resoluo de um problema coletivo e na qual os pesquisadores e participantes representativos da situao ou problema esto envolvidos de modo cooperativo e participativo. O desenvolvimento deste trabalho se dar por meio de trs grandes etapas. A primeira envolve o estudo terico sobre a Gesto Industrial e o estudo de mtodos de avaliao de desempenho em um sistema produtivo real, gerando subsdios necessrios para a tomada de decises. A segunda etapa consiste na aplicao dos conceitos abordados nas etapas de pesquisa na proposta de uma sequncia estruturada de etapas, a fim de estabelecer uma sistemtica de

ERP - Conjunto de sistemas que tem como objetivo agregar e estabelecer relaes de informao entre todas as

reas de uma empresa.

16

avaliao de investimentos em Manuteno que melhor se adapte s necessidades atuais das empresas. A terceira etapa corresponde aplicao da sistemtica proposta e a discusso dos resultados alcanados, que envolve a coleta e anlise dos dados. Para uma melhor organizao, o presente trabalho foi distribudo em Introduo, Captulos I, II, III, IV, V e Consideraes Finais, descritos a seguir: Introduo: Neste tpico, realizada a apresentao do trabalho, onde so descritos quais objetivos, problemas e justificativas, bem como uma breve apresentao de cada captulo. Captulo I - Engenharia de Manuteno: Por se tratar de um assunto central deste trabalho, o presente captulo tem por objetivo conceituar o tema Engenharia de Manuteno a fim de tornar o seu entendimento um pr-requisito visando uma melhor compreenso desta monografia. Captulo II Business Intelligence: Neste captulo, so descritos conceitos relacionados ao Business Intelligence como suas caractersticas, mtodos de implementao e ferramentas de construo. Captulo III Engenharia Econmica: Este captulo apresenta uma descrio dos mtodos mais utilizados para uma anlise econmica de investimento. Captulo IV Neste captulo, so descritos os passos para realizar a especificao e implementao do projeto, desde a leitura do sistema informacional anterior ao projeto at a definio do novo sistema e a realizao do processo de tratamento dos dados. Captulo IV O presente captulo exibe os resultados obtidos atravs das anlises nos cubos OLAP alm da anlise grfica das informaes atravs dos painis de indicadores. Por fim, no tpico Consideraes Finais, so descritos as dificuldades e desafios encontrados para realizao deste trabalho alm de considerar o desenvolvimento de novas tecnologias visando o aperfeioamento da presente proposta de trabalho.

17

CAPTULO I ENGENHARIA DE MANUTENO

1.1.

Introduo Engenharia de Manuteno

Segundo Pinto e Xavier (2001), Engenharia de Manuteno o conjunto de atividades

que permite que a confiabilidade seja aumentada e a disponibilidade garantida. Como premissa, a manuteno a responsvel por manter os equipamentos de qualquer natureza em perfeitas condies de funcionamento, seja no ato de executar uma correo seja na preveno de falhas sobre determinado equipamento. Segundo Pinto e Xavier (2001), a maneira pela qual feita a interveno nos equipamentos, sistemas ou instalaes caracteriza os vrios tipos de manuteno. Dessa forma, a maneira com que se trata o tema Manuteno reflete o quo ela importante para a organizao, principalmente pelo fato de estar intimamente ligado ao ponto forte da empresa, que o seu produto acabado.

1.2.

Manuteno Centrada na Confiabilidade

O objetivo principal da RCM aumentar a confiabilidade do ativo da empresa visando

reduo de custos provenientes da manuteno corretiva e preventiva. Segundo Branco Filho (2000), a Manuteno Centrada em Confiabilidade busca identificar o modo, a causa e o efeito da falha, tornando possvel prever a sua ocorrncia e adotar medidas que evitem ou minimizem este acontecimento, em outras palavras, o foco da RCM no est no equipamento em si, mas na funo ao qual foi projetado. Entende-se funo como qualquer propsito pretendido para um processo ou produto, ou seja, tudo aquilo que o usurio quer que o equipamento ou sistema faa de acordo com padres de desempenho desejados. As funes de um ativo podem ser definidas como funes principais e secundrias. A funo principal definida como a aquisio de um ativo ou sistema para cumprir uma funo ou funes especficas, vale ressaltar que, neste contexto, a manuteno ocupa papel de destaque, pois o seu principal objetivo assegurar o desempenho mnimo das funes principais.

18

A funo secundria, apesar de menos bvia que a principal, to importante quanto ela e requer mais ateno, pois a perda de uma funo secundria pode trazer graves consequncias para o ativo que cumpre a funo principal. Os seguintes itens podem ser considerados funes secundrias, so elas: segurana, aparncia, sistemas de controle, economia e eficincia. Baseado na determinao das funes de um equipamento busca-se estabelecer qual ser o nvel de aceitabilidade para esta funo, a esse limite de aceitabilidade do equipamento d-se o nome de capacidade inicial ou confiabilidade inerente do equipamento.

1.3.

Manuteno Corretiva
Segundo a NBR (Norma Brasileira) 5462 (1994), manuteno corretiva a manuteno

efetuada aps a ocorrncia de uma pane, destinada a recolocar um item em condies de executar uma funo requerida. toda manuteno com a inteno de corrigir falhas em equipamentos, componentes, mdulos ou sistemas, visando restabelecer sua funo. De acordo com Pinto e Xavier (2001), este fato ocorre aps a falha ou perda de desempenho de um equipamento de forma que no haja tempo para a preparao dos servios de reparo a fim de evitar a sua quebra. Como resultado, as empresas assumem prejuzos enormes, pois esse tipo de falha causa a interrupo da produo.

1.4.

Manuteno Preventiva
Manuteno efetuada em intervalos predeterminados, ou de acordo com critrios

prescritos, destinada a reduzir a probabilidade de falha ou a degradao do funcionamento de um item. (NBR 5462, 1994). O objetivo da manuteno preventiva esta em buscar o melhor aproveitamento do valor investido em equipamentos, ou seja, explorar ao mximo a vida til de cada equipamento e ao mesmo tempo deix-lo sempre em perfeita condio de trabalho.

19

1.5.

Manuteno Preditiva
Manuteno Preditiva so as manutenes que permitem garantir uma qualidade de

servio desejada, com base na aplicao sistemtica de tcnicas de anlise, utilizando-se de meios de superviso centralizados ou de amostragem para reduzir a um mnimo a manuteno preventiva e diminuir a manuteno corretiva. (NBR 5462, 1994). Esse tipo de manuteno consiste em planejar e definir de forma antecipada as intervenes corretivas. Atravs da aplicao de tcnicas de monitorao, possvel obter um conhecimento preciso da real condio de funcionamento das mquinas, conseguindo com isso detectar e diagnosticar com antecedncia os problemas a serem corrigidos.

1.6.

Indicadores de desempenho da manuteno

Para Branco Filho (2000), indicadores ou ndices de manuteno a relao entre duas

grandezas provenientes de dados de manuteno, seja sobre qualidade, equipes, atendimento, custo, mquinas, material, eficincia entre outros, para uso e comparao em pocas distintas, entre equipes diversas, ou entre empresas diferentes. Segundo Tavares (1999) mundialmente so utilizados seis indicadores de desempenho na manuteno, sendo assim chamado de indicadores classe mundial. So eles: tempo mdio entre falhas, tempo mdio para reparo, tempo mdio para falha, disponibilidade, custo de manuteno por equipamento e custo de manuteno pelo valor de reposio. Dentro deste contexto, cita-se outro indicador, denominado Taxa de Avarias (), que apesar de no pertencer classe mundial de indicadores, amplamente utilizado pelos gestores de manuteno. Observa-se com isso que, dos sete indicadores de desempenho citados, cinco representam a anlise da gesto da manuteno e os outros dois representam os custos.

1.7.

Taxa de Avarias
Taxa de Avarias (), um indicador que exprime a probabilidade de uma avaria ocorrer

em um dado momento (PEREIRA, 1996). Em outras palavras, o nmero de avarias ou quebras que determinado equipamento sofreu durante um determinado tempo. Por exemplo, em uma mquina, o nmero de avarias/ano, pode ser definido de acordo com a seguinte frmula (1):

20

1.8.

MTBF (Mean Time Between Failure - Tempo mdio entre falhas)

O indicador MTBF o responsvel por representar o tempo mdio entre a ocorrncia de

uma falha e a prxima, representa tambm o tempo de funcionamento da mquina ou equipamento diante das necessidades de produo at a prxima falha. (VIANA, 2002). Este um ndice usado para itens reparveis, Branco Filho (2000) ainda salienta que o tempo adotado na expresso no necessariamente uma unidade de tempo direta, sendo muitas vezes medido indiretamente como, por exemplo: toneladas produzidas, quilometragem rodada, entre outros. Pode-se definir MTBF como a relao entre o total de operao da mquina/equipamento e o nmero de falhas detectadas, no perodo observado, conforme a frmula (2):

1.9.

MTTR (Mean Time To Repair - Tempo mdio para reparo)

Pinto e Xavier (2001) apresentam o MTTR como sendo dependentes da mantenabilidade

do equipamento ou sistema, da capacitao tcnica do profissional e das caractersticas de organizao e planejamento da manuteno. Esse indicador exprime o tempo mdio que a equipe de manuteno utiliza para reparar e disponibilizar a mquina ou equipamento para o sistema produtivo. Nesse perodo esto todas as aes envolvidas no reparo, sejam elas da equipe de compras, de laboratrio ou qualquer outra equipe de trabalho. Em outras palavras, MTTR a relao entre o total de horas de interveno corretiva e o nmero de falhas identificadas no perodo observado, conforme a frmula (3):

21

1.10. Disponibilidade do Equipamento

De acordo com Tavares (1999), disponibilidade do equipamento um ndice de grande importncia para a gesto de manuteno. Com esse ndice, a realizao de uma anlise seletiva dos equipamentos prioritrios facilitada, atravs desse ndice torna-se possvel realizar uma observao mais rigorosa sobre determinado equipamento cujo desempenho estiver aqum dos padres estabelecidos. A disponibilidade pode ser definida como a percentagem de tempo de bom funcionamento do equipamento em relao ao tempo total, conforme frmula (4):
( )

1.11. MTTF (Mean Time To Failure - Tempo Mdio Para Falha)

O MTTF de um dispositivo se resume em uma previso estatstica que mede o tempo mdio entre falhas assumindo um modelo terico no qual o dispositivo que falhou no reparado (PEREIRA, 1996). Como exemplo, cita-se o caso de um fusvel queimado onde aps a sua queima o reparo no pode ser feito. Quanto maior o MTTF de um dispositivo, menos provvel a sua falha. Pode-se definir MTTF como a relao entre o total de operao do equipamento at apresentar a falha sobre o nmero de falhas detectadas no perodo observado, conforme a frmula (5):

22

1.12. Confiabilidade Operacional

A definio de confiabilidade operacional segundo Lafraia (2001) se baseia na probabilidade de que um componente, equipamento ou sistema possa exercer sua funo sem falhas, por um perodo de tempo previsto e em condies de operao especificadas. Segundo Gusmo (2001), confiabilidade operacional um aspecto diretamente afetado pela eficcia da manuteno, que deve ser capaz de assegurar a mxima disponibilidade para a produo mediante, a menor taxa de intervenes possvel no perodo produtivo.

1.13. Gesto de Custos

Gusmo (2001) comenta que custo de manuteno um aspecto que no pode ser analisado isoladamente, mas que junto com a disponibilidade operacional certamente refletir em mdio prazo, a eficcia da sistemtica de manuteno praticada. Para Viana (2002), a composio dos custos de manuteno era formada de gastos com pessoal, material e contratao de servios externos, mas com advento do conceito de manuteno classe mundial, foi includa, a depreciao e a perda de faturamento, na composio desses custos.

1.14. Custos de Qualidade

Segundo Juran (1992), Custos de Qualidade, so os custos envolvidos no processo de manuteno e obteno de qualidade em uma organizao, seja essa ela de manufatura ou servios. A expresso Custos de Qualidade algo confuso de se definir, principalmente por envolver duas situaes distintas: Investimentos, feitos para tornar os produtos vendveis. Desperdcios, devido deficincia durante o processo de fabricao.

23

Essa confuso minimizada se houver um foco no CDMQ (Custos de M Qualidade), que segundo Juran (1992), so aqueles custos que no existiriam se o produto fosse fabricado perfeitamente logo da primeira vez, ou seja, se no houvesse falhas na produo, que levam ao retrabalho, desperdcios e perdas da produtividade. As classificaes, ou categorias desses custos foram divididas em: Custos de Controle e Custos de Falhas, sendo que os Custos de Controle so divididos em Custos de Preveno e Custos de Avaliao, enquanto que e os Custos de Falhas so divididos em Custos de Falhas Internas e Custos de Falhas Externas (JURAN, 1992). Conforme descrio a seguir:

Custos de Preveno: Esse tipo de custo est associado s atividades de implementao, projeto, e operao em todo o ciclo do processo produtivo. Em outras palavras, referem-se aos gastos ocasionados com a finalidade de se evitar falhas.

Custos de Avaliao: So custos referentes ao controle de qualidade, da matriaprima ao produto acabado. Custos de Falhas Internas: Custos associados a materiais, componentes e produtos fora dos padres de qualidade causando perdas na produo. As falhas internas so detectadas antes da entrega do produto.

Custos de Falhas Externas: Custos associados a materiais, componentes e produtos fora dos padres de qualidade e que foram recebidos pelo cliente.

24

CAPTULO II - BUSINESS INTELLIGENCE

2.1.

Introduo ao Business Intelligence

Segundo Barbieri (2001), Business Intelligence a utilizao de vrias fontes de

informao para se definir a estratgias de competitividade nos negcios da empresa. O termo BI foi institudo pela Gartner Group4 na dcada de 80 na qual descreve o termo como uma habilidade que as corporaes possuem ao explorar dados e informaes que normalmente esto contidos em um DW (Data Warehouse) / DM (Data Mart), e atravs de ferramentas especficas, pode-se analisar e desenvolver percepes e entendimentos, permitindo com isso, obter informaes fundamentadas e mais confiveis para a tomada de deciso. Um sistema de BI tem como principal objetivo a busca pelo conhecimento de indicadores internos de uma empresa visando posteriormente compar-los no ambiente externo, com isso obtm-se conhecimento do posicionamento competitivo da empresa, o que impulsionar mudanas internas e facilitar decises estratgicas. Porm, um dos principais problemas que as empresas enfrentam nos dias de hoje, est na grande quantidade de informaes perdidas no meio da imensido dos dados armazenados pela organizao.

2.2.

Data Warehouse
Segundo Inmon (2005), Data Warehouse uma coleo de dados orientados por

assuntos, integrados, variveis com o tempo e no volteis, para dar suporte ao processo de tomada de deciso. J na viso de Kimball (2002), um DW pode ser definido como um conjunto de todos os Data Marts da organizao, onde a informao sempre armazenada em um modelo dimensional. Ele tambm afirma que os Data Marts so subconjuntos de um DW completo. Sendo assim, pode-se visualizar Data Marts como pequenos DWs, sejam eles de viso departamental ou de rea interesse.

4 Gartner Group Empresa de consultoria fundada por Gideon Gartner, responsvel pela pesquisa, execuo de programas, consultoria e eventos voltados para rea de TI (http://www.gartner.com).

25

Um DW possui uma base de informaes consolidadas, integrada e no voltil, para apoiar os processos de tomada de decises estratgicas, tticas e tambm operacionais de organizaes (KIMBALL, 2002).

2.3.

Caractersticas de um Data Warehouse

Baseado em Inmon (2005), apresentada a seguir uma relao com as caractersticas de

um Data Warehouse: orientado por assuntos, ou seja, toda modelagem desenvolvida especificamente sobre os principais assuntos da empresa. Os assuntos so informaes relativas determinada rea estratgica de uma empresa; integrado, desta forma possvel padronizar uma representao nica para os dados de todos os sistemas que formaro a base de dados do DW; No so volteis, as informaes ao serem carregadas na base analtica do Data Warehouse se tornam uma carga no voltil, o que significa que a partir daquele momento as informaes no sero alteradas, somente consultadas. caracterstica; variante no tempo, um sistema de apoio deciso dever possuir um histrico de operaes ocorridas a imediato, curto e longo prazo, prazos podendo chegar a 10 anos, mesmo com este perodo estendido os custos com arquivamento dos dados no to alto, o custo mais significativo com a transmisso dos dados das bases operacionais para analtica no Data Warehouse. A figura 1 ilustra esta

FIGURA 1 - A questo da no volatilidade. (Fonte: Inmon (2005)

26

2.4.

Mtodos de implementao do DW
Os dois principais mtodos de implementao de um DW so: Top Down e Bottom-up. A

escolha do mtodo a ser utilizado realizada com base no tipo de arquitetura utilizada, infraestrutura envolvida, tempo de execuo do projeto e benefcios da utilizao das informaes (MACHADO, 2010).

2.4.1.

Implementao Top Down

No mtodo top down os DMs so criados a partir do DW. Por isso, primeiramente

construdo o DW e depois os DMs departamentais. Para implantar este mtodo necessrio o envolvimento de todos os setores da empresa, a fim de definir as fontes de dados que devem ser utilizadas e a modelagem dos sistemas transacionais da organizao. Aps a carga do DW os dados so distribudos entre os DMs, de acordo com os seus respect ivos assuntos (MACHADO, 2010). A viso geral dos dados da organizao, a facilidade de manuteno, um nico processo de carga dos dados, com repositrio de dados centralizado, so algumas das vantagens do mtodo top down. Contudo, o longo perodo de implementao uma desvantagem que deve ser considerada (MACHADO, 2010).

2.4.2.

Implementao Bottom-up
Na implementao do mtodo Bottom-up no se faz necessrio possuir uma definio de

toda a infraestrutura da empresa, pois o primeiro passo a ser dado a construo dos DMs departamentais, os quais sero gradativamente integrados ao DW. Por esse motivo, o mtodo Bottom-up permite a rpida implementao e retorno dos resultados, alm da opo de iniciar o projeto pelos principais setores da empresa. Em contra partida, a falta de padronizao dos DMs pode gerar redundncia e inconsistncia dos dados (MACHADO, 2010).

27

2.5.

Modelagem Dimensional
Segundo Kimball (2002), a modelagem dimensional uma tcnica de projeto lgico que

busca apresentar os dados em uma estrutura padronizada mais intuitiva e que permite alto desempenho de acesso, evitando a utilizao da tcnica de normalizao, utilizadas em sistemas OLTP (On-line Transaction Processing - ou Processamento de Transaes em Tempo Real). A tcnica de modelagem dimensional especificamente utilizada para suportar processamento analtico OLAP. Na modelagem dimensional, a tabela Fato central e possui uma chave primria composta pelas chaves estrangeiras do relacionamento com as tabelas dimenses. Possui em sua base uma grande quantidade de dados (de gigabytes5 terabytes6) e contm as medies numricas do negcio. As tabelas dimenso normalmente possuem uma chave simples, so pequenas e armazenam dados descritivos do negcio.

2.5.1.

Esquema Estrela do Banco de Dados

O esquema estrela consiste basicamente em uma grande entidade central denominada fato

(fact table) e um conjunto de entidades menores denominadas dimenses (dimension tables). A tabela fato fica localizada no centro do modelo, e suas tabelas de dimenses ficam arranjadas ao redor desta unidade central, originando um formato semelhante ao de uma estrela (MACHADO, 2010). Nesse modelo todas as tabelas dimenso relacionam-se, por meio dos atributos chaves primrias (PK - Primary Key), diretamente com a tabela fato, localizada no centro da figura, a qual contm a chave primria PK composta por chaves estrangeiras de relacionamento (FK Foreign Key) com as tabelas dimenses. A tabela fato contm os valores numricos, ou medidas dos fatos consultados. O modelo dimensional clssico apresentado na Figura 2.

Gigabytes - Unidade de medida de informao equivalente a 1 Bilho de bytes, sendo esta, uma unidade bsica de medio de armazenamento de informao na cincia da computao. 6 Terabytes - Unidade de medida de informao equivalente a 1000 Gigabytes.

28

FIGURA 2 - Esquema Estrela Fonte: Inmon (2005)

A utilizao de um modelo dimensional do tipo estrela para os processos de consultas pode trazer benefcios significativos em relao a uma estrutura relacional. Destacam-se, como exemplo, os seguintes benefcios:

Reduo do tempo de resposta nas consultas complexas; Adequao dos dados s reais necessidades do tomador de deciso; Simplicidade no entendimento e navegao entre os dados; Adaptao a um nmero maior de ferramentas OLAP; Ameniza os impactos de novas implementaes; Maior flexibilidade na implementao de novas dimenses; Menor tempo nos processos de ETL.

2.5.2.

Esquema Snowflake (Floco de neve)

Embora seja uma variao do modelo estrela, o esquema snowflake um modelo mais

complexo, com ele possvel normalizar dimenses com o propsito de eliminar redundncias, que por outro lado ir resultar em consultas mais complexas e com reduo de desempenho. Os dados dimensionais so agrupados utilizando-se mltiplas tabelas, ao invs de uma nica (KIMBALL, 2002). A figura 3 demonstra o esquema flocos de neve.

29

FIGURA 3 - Esquema Floco de neve Fonte: Inmon (2005)

2.5.3.

Granularidade
Um conceito muito importante que se deve observar ao fazer o modelo refere-se

granularidade. De acordo com Inmon (2005) a granularidade corresponde ao nvel de detalhe ou do resumo que os dados sero sumarizados nas unidades de dados do DW. Quanto menor a granularidade, maior o nvel de detalhes e, consequentemente, maior o volume de dados armazenado. Quantidades maiores de detalhes tendem a afetar o desempenho das consultas ao banco, deixando o tempo de resposta da consulta mais longo.

2.6.

Data Marts
Segundo Kimball (2002) Data Marts so pores especializadas dos dados contidos no

DW. Tal especializao pode ser feita, por exemplo, por regio geogrfica, produto, departamento, entre outros. Quanto a questes de planejamento, projeto e implementao, utilizase o mesmo processo na construo de um DW. Numa viso comparativa dos dados, onde se consideram os quesitos escopo, integrao, tempo, agregao, anlise e dados volteis, nota-se que a diferena est no escopo, pois enquanto o DW feito para atender uma empresa como um todo, o Data Mart criado apenas para atender um departamento da empresa. Neste caso, atender um departamento da empresa pode significar reunir dados de outros setores, j que, na prtica, raramente um nico setor possui ou gera toda informao que se espera.

30

Segundo Machado (2010) uma das principais vantagens na utilizao de um DM est na possibilidade de retorno rpido, garantindo um maior envolvimento do usurio final, capaz de avaliar os benefcios extrados de seu investimento.

2.7.

Extrao, Transformao e Carga de Dados.

A expresso mais conhecida para Extrao, Transformao e Carga de dados a sigla

ETL (Extract, Transform, Load). O processo de ETL composto por trs tarefas, das quais, por muitas vezes tornam-se as mais trabalhosas de um administrador de Data Warehouse, e onde este profissional deter maior dedicao e cuidado. Conceituando cada uma das etapas:

Extrao: responsvel pela aquisio dos dados de origem. Na maior parte das vezes, essa origem heterognea e so definidas como registros que existem em muitos formatos e localizaes diferentes.

Transformao: determina a padronizao dos dados. Nesta etapa, ocorrem validao da integridade dos dados e a sua transformao. tambm nessa fase que feita a padronizao dos campos e valores obrigatrios para o destino.

Carga: a ltima etapa e a mais delicada para o processamento, pois nessa etapa que os dados so efetivados no destino.

2.8.

Ferramentas OLAP - Online Analytical Process

Define-se OLAP como um recurso computacional utilizado para apoiar consultas no Data

Warehouse ou Data Mart. O termo OLAP refere-se a um conjunto de ferramentas voltadas para acesso e anlise de dados, com o objetivo final de transformar dados em informaes, de maneira amigvel, flexvel e em tempo hbil para o tomador de deciso (KIMBALL, 2002). Uma das caractersticas exigidas em ferramentas OLAP est na capacidade de permitir a gerao de consultas ad-hoc, ou seja, consultas personalizadas, feitas conforme a necessidade de se obter informaes por parte de cada analista. Uma forma de se melhorar o desempenho das consultas a um Data Warehouse consiste na execuo de uma consulta e o armazenamento dos resultados de tal consulta, nos chamados cubos

31

de dados multidimensionais. Assim, qualquer nova consulta relativa a tal assunto pode ser feita diretamente no cubo, sem a necessidade de refazer todo o processamento. A tecnologia OLAP pode ser implementada de diversas formas. A seguir so descritos os principais modelos (INMON, 2005):

ROLAP (Relational Online Analytical Process): todas as consultas so feitas diretamente no modelo dimensional. MOLAP (Multidimensional Online Analytical Process): todas as consultas so feitas diretamente nos cubos pr-armazenados no servidor. DOLAP (Desktop Online Analytical Process): todas as consultas so feitas diretamente nos cubos pr-armazenados no cliente. HOLAP (Hybrid Online Analytical Process): As consultas podem ser feitas tanto no modelo dimensional, quanto nos Cubos multidimensionais.

2.8.1.

Slice and dice, drill-down, drill-up

Para que seja possvel uma anlise mais aprofundada em consultas nos cubos de dados

algumas operaes so necessrias em um sistema OLAP, elas so chamadas slice and dice (fatiar e picar), drill down (mergulhar) e drill up (emergir). Segundo Machado (2010), slice and dice so operaes que possibilitam realizar a navegao por meio dos dados na visualizao de um cubo. Com o slice and dice os usurios podem fatiar o cubo de dados, porm mantendo a mesma perspectiva de visualizao. Funciona como um filtro, restringindo uma dimenso apenas um ou alguns de seus valores, como por exemplo, em uma dimenso de tempo somente o ano 2010 selecionado. A operao dice permite ao usurio extrair um subcubo do cubo original executando uma operao de seleo em duas ou mais dimenses. Segundo Machado, drill down so operaes que ocorrem quando o usurio deseja aumentar o nvel de detalhe da informao diminuindo o nvel de granularidade, exemplo: uma anlise de vendas por estado alterada para uma anlise de vendas por cidades de um determinado estado.

32

Com o drill up acontece o inverso, ocorre uma diminuio no nvel de detalhe, aumento o nvel de granularidade, como exemplo, uma anlise de vendas alterada de uma cidade para seu estado correspondente.

33

CAPTULO III - ENGENHARIA ECONMICA

3.1.

Introduo a Engenharia Econmica

Engenharia Econmica pode ser definida como o estudo que compreende os mtodos, as

tcnicas e os princpios necessrios para se tomar decises entre alternativas de investimentos. De acordo com Lapponi (1996) os mtodos mais utilizados em estudos econmicos, principalmente na anlise de investimentos so o VAUE (Valor Anual Uniforme Equivalente), VPL (Valor Presente Lquido) e a TIR (Taxa Interna de Retorno). Alm dessas, sero discutidas ROI (Return On Investment), Payback e EVA (Economic Value Added) por tambm serem amplamente utilizadas para anlise de investimentos.

3.2.

Mtodo TMA (Taxa Mnima de Atratividade)

A TMA (Taxa Mnima de Atratividade) uma taxa que pode ser estabelecida de acordo

com a poltica de cada empresa, portanto no uma taxa calculada (BLANK, TARQUIN, 2008). No entanto, a determinao ou escolha da TMA de grande importncia, pois ela servir de parmetro na deciso para alocao de recursos nos projetos de investimento, seja com um valor mnimo em que um empresrio se prope a ganhar quando faz um investimento, ou como um valor mximo em que um tomador de dinheiro se prope a pagar quando faz um financiamento. Gitman (2001) considera o custo de capital como o retorno exigido pelos financiadores de capital para uma empresa, e, portanto, a TMA que a empresa deveria considerar em seus projetos de investimento. Assim, um projeto de investimento necessariamente interessante quando atender seus fornecedores de capital e adicionar valor organizao.

3.3.

Mtodo Payback
O mtodo do prazo de recuperao descontado do investimento (Payback), tambm

chamado de mtodo do prazo de retorno por Hirschfeld (2002), calcula o nmero de perodos

34

dentro do horizonte do projeto quando o somatrio do valor presente dos benefcios se iguala ao somatrio do valor presente dos custos a uma TMA. No Payback no se considera o valor do dinheiro no tempo, pois no se baseia em valores descontados e ainda convive com duas outras deficincias: no leva em considerao a magnitude dos fluxos de caixa e sua distribuio nos perodos que antecedem ao perodo de Payback. Este mtodo, porm, amplamente utilizado pela sua facilidade de clculo e por ser um conceito muito intuitivo. Exemplo: A empresa XXX possui opo de investimento em dois projetos: o projeto A, que exige um investimento inicial de 4,5 milhes de reais, e o projeto B, que exige 5 milhes de reais de investimento inicial. Os fluxos de caixa relativos a estes projetos esto representados na Tabela 1 a seguir:
TABELA 1 - Fluxos de Caixa relativo ao projeto A e ao projeto B ANO INVESTIMENTO A INVESTIMENTO B 0 -R$ 4.500.000,00 -R$ 5.000.000,00 1 R$ 1.500.000,00 R$ 3.000.000,00 2 R$ 1.500.000,00 R$ 2.000.000,00 3 R$ 1.500.000,00 R$ 1.000.000,00 4 R$ 1.500.000,00 R$ 1.000.000,00 5 R$ 1.500.000,00 R$ 500.000,00 MDIA DE ENTRADAS R$ 1.500.000,00 R$ 1.500.000,00 Fonte: autor.

Payback o nmero de anos necessrios para se recuperar o investimento inicial. O Projeto A precisa de trs anos para recuperar os R$ 4,5 milhes de investimento inicial.

TABELA 2 - Fluxos de Caixa relativo ao projeto A ANO 1 2 3 RETORNO RETORNO ACUMULADO R$ 1.500.000,00 R$ 1.500.000,00 R$ 1.500.000,00 R$ 3.000.000,00 R$ 1.500.000,00 R$ 4.500.000,00 Fonte: autor.

No Projeto B sero necessrios apenas dois anos para recuperar os R$ 5 milhes de investimento inicial.
TABELA 3 - Fluxos de Caixa relativo ao projeto B ANO 1 2 RETORNO RETORNO ACUMULADO R$ 3.000.000,00 R$ 3.000.000,00 R$ 2.000.000,00 R$ 5.000.000,00 Fonte: autor.

35

3.4.

Mtodo VPL (Valor Presente Lquido)

Segundo Souza e Clemente (2001), o valor presente lquido uma tcnica de anlise de

investimento que desconta os fluxos de caixa da empresa a uma taxa especificada, usando-se como taxa de desconto a TMA da empresa. Neste mtodo, a alternativa que apresentar o maior VPL ser a escolhida, porm, mesmo que o VPL seja igual zero, o projeto ainda ser considerado vivel, pois neste caso, proporcionou um lucro igual ao mnimo exigido, ou seja, a Taxa Mnima de Atratividade, que a taxa utilizada para descontar o fluxo. O valor presente lquido considerado um dos instrumentos sofisticados mais utilizados para se avaliar propostas de investimentos de capital. Para o clculo do VPL utiliza-se a seguinte frmula: VPL =

FC (1 k )
n t t 1

FCt valor presente das entradas de caixa; k taxa de desconto (igual ao custo de capital de empresa); t tempo de desconto de cada entrada de caixa;

No caso da empresa XXX, se o custo de capital for de 10%, chega-se aos seguintes resultados: Projeto A: Projeto B:

3.5.

Mtodo TIR (Taxa Interna de Retorno)

A TIR corresponde ao clculo daquela taxa de desconto que, aplicada a uma srie de

entradas e sadas de caixa, iguala o fluxo zero. Em outras palavras, aquela taxa que zera o VPL (BALARINE, 2002):

36

0=

FC t t - I0 t 1 (1 k )

FCt valor presente das entradas de caixa;

I0 investimento inicial;
k taxa de desconto (igual ao custo de capital de empresa); t tempo de desconto de cada entrada de caixa; n tempo de desconto do ltimo fluxo de caixa.

Trata-se de uma das formas de avaliao para propostas de investimentos de capital. Ela representa a taxa de desconto que se iguala, em um nico momento, os fluxos de entrada com os de sada de caixa. Sendo a TIR igual a TMA, chega-se a concluso de que o valor mnimo esperado para a taxa foi atingido, porm quando for excedente, esse nmero no tem significado na anlise de investimento, ele apenas indica que o projeto em questo vivel. Neste caso, o valor excedente ser tratado apenas como um indicativo de riqueza que est sendo agregado. Para que uma nova proposta seja considerada atrativa, necessrio que a TIR seja no mnimo equivalente rentabilidade das aplicaes correntes e de pouco risco, onde para pessoas fsicas, a taxa compara-se rentabilidade da caderneta de poupana e para pessoas jurdicas, os ttulos bancrios como os CDBs. (Certificado de Depsito Bancrio). Exemplo: Para os projetos citados anteriormente as seguintes taxas so conhecidas: Projeto A TIR = 19,86% e para o Projeto B TIR = 21,87%.

3.6.

Mtodo VAUE (Valor Anual Uniforme Equivalente)

Este mtodo consiste em achar a srie uniforme anual equivalente ao fluxo de caixa dos

investimentos Taxa Mnima de Atratividade, ou seja, acha-se a srie uniforme equivalente a todos os custos e receitas para cada projeto utilizando-se a TMA. O melhor projeto aquele que tiver o maior saldo positivo.

37

Para calcul-lo, necessrio trazer os fluxos para o valor presente utilizando a TMA como ndice comum tanto aos fluxos positivos quanto aos negativos. Quando estiverem na mesma base (valor presente) redistribui-los novamente dentro do fluxo, primeiramente os positivos, e aps, os negativos, sendo que o valor uniforme da prestao ser a diferena entre o fluxo positivo menos o negativo. (CASAROTTO, 2000). Exemplo de aplicao do mtodo VAUE: A empresa XXX dispe de R$18.000,00 e conta com duas alternativas de investimento para compra de um equipamento industrial: O equipamento A: exige um investimento inicial de R$14.000,00 e proporciona um saldo liquido anual de R$ 5000,00 por 7 anos, O equipamento B: exige um investimento inicial de R$ 18.000,00 e saldo liquido de R$ 6.500,00 por 7 anos. Sabe-se que a TMA da empresa de 30% ao ano. Soluo: VAUE - Equipamento A = - 14.000* [P/A] + 5000 = R$ 3,7780 VAUE - Equipamento B = - 18.000* [P/A] + 6500 = R$ 76,2860 Portanto, B a alternativa que apresenta a maior taxa de retorno. Obs.: Onde: = TMA% = Tempo em anos

3.7.

Mtodo ROI (Return On Investment Retorno Sobre Investimento)

Segundo Padoveze (1997), o mtodo ROI relaciona os investimentos efetuados na diviso

com o lucro anual obtido por esta mesma diviso. O ROI permite avaliar o investimento na mesma linha de avaliao que feita pela Anlise de Balano, atravs dos conceitos de Rentabilidade do Ativo e Rentabilidade do Patrimnio Lquido. A avaliao e o processo de tomada de deciso sobre investimentos so definidos a partir de duas variveis. A primeira denominada Perodo de Retorno, ou seja, em quanto tempo o valor investido retornar para a empresa. A segunda varivel denomina-se Taxa de Rentabilidade, ou seja, qual o rendimento que se espera de tal projeto ou ao.

38

O clculo do ROI possui diversas metodologias, sendo que cada uma varia em funo da finalidade ou da nfase que se deseja dar ao resultado. A seguir esto algumas das mais utilizadas: ROI = (Lucro Lquido/Vendas) * (Vendas/Total de ativos): representa a relao entre a lucratividade e o giro dos estoques. ROI = Lucro lquido/Total de ativos: representa o retorno que o ativo total empregado oferece. Utilizado geralmente para determinar o retorno que uma empresa d. ROI = Lucro lquido/Investimentos: representa o retorno que determinado investimento oferece.

3.8.

Mtodo EVA (Economic Value Added - Valor Econmico Agregado)

EVA a medida do lucro econmico de uma empresa depois de descontado o custo de

todo o capital empregado. Primeiro, toma-se a diferena entre a taxa de retorno sobre o capital investido e o custo desse capital. Essa diferena indica a qualidade ou eficincia com que o capital utilizado. A seguir, multiplica-se esse valor pela quantidade de capital econmico utilizada no negcio. Resumindo: EVA = (RONA WACC) x Capital Investido, onde:

RONA (Return On Net Assets - Retorno sobre os Ativos) = Lucro Operacional Lquido aps Imposto de Renda. WACC (Weighted Average Cost Of Capital - Custo Mdio Ponderado do Capital Prprio e de Terceiros). a mdia ponderada entre a taxa mdia de juros cobrada por capitais de terceiros existentes no Passivo Exigvel e a taxa de retorno esperada dos acionistas (Patrimnio Lquido).

39

CAPTULO IV - ESPECIFICAO E IMPLEMENTAO DO PROJETO

4.1.

Estudo de Caso
O projeto de Business Intelligence baseado em Data Warehouse, utilizou como estudo de

caso uma empresa multinacional do segmento qumico, lder no mercado sul-americano, desenvolvedora de resinas para embalagens PET (Polietileno Tereftalato) e fibras de polister. Na planta de Indaiatuba, onde foi realizado o estudo, as linhas de produo esto divididas por tipos de processo de transformao da matria prima (Refino, Moagem, Cristalizao e Extruso). Na rea produtiva, uma grande quantidade de dados gerada, esses dados so extremamente necessrios para o controle do processo produtivo. Para tomar uma deciso preciso saber no s a quantidade de produtos produzidos, mas quanto produziu em um determinado tempo, quanto tempo cada linha ficou sem trabalhar, quais foram os motivos da parada, quais os equipamentos mais produtivos e os que produzem menos. Essas informaes colaboram para uma tomada de deciso mais embasada, dando ao gerente da rea uma viso mais ampla de todo o processo produtivo. Na medida em que se consegue obter informaes rpidas e precisas sobre problemas de desempenho e qualidade durante o processo produtivo, grande ser a chance de se obter uma considervel reduo com os custos de m qualidade e, consequentemente, atingir um nvel de produtividade maior.

4.2.

Sistema Informacional Atual

Por no possuir um sistema de BI, a empresa tem se apoiado em informaes transacionais, planilhas eletrnicas e fichas de monitoramento do processo produtivo, atravs desses dados que o gerente industrial se baseia para a tomada de deciso. No entanto, esse tipo de anlise no eficiente, pois j apresenta um grande tempo de resposta s consultas realizadas,

40

principalmente devido ao fato dos dados serem originrios de diversas fontes, o que acaba dificultando a sua organizao e interpretao. A situao tende a piorar quando se deseja analisar dados em um horizonte de tempo superior a cinco anos, principalmente se a base transacional for composta por muitos dados, relacionamentos e tabelas. Dentro deste cenrio, emitir um relatrio torna-se uma tarefa extremamente trabalhosa para analistas, administradores e profissionais da rea de banco de dados, pois a informao gerada precisa ser de confiana e gerada de forma rpida. Os relatrios gerados por meio de um sistema transacional possuem um carter mais informativo e pouco analtico, cita-se como exemplo um relatrio sobre a quantidade produzida e a meta a ser alcanada de um determinado produto durante um determinado tempo. Um relatrio informativo poderia ser gerado dentro deste mesmo cenrio ao se analisar os motivos pelo qual a quantidade de material produzida alcanou ou no a meta pela qual foi determinada. Essa anlise mais aprofundada poderia ser gerada atravs do uso do Business Intelligence, emitindo relatrios informando os motivos da baixa produtividade, os dias em que as metas dirias no foram atingidas e as causas por no atingir a meta, qual equipamento do processo tem causado maior prejuzo para a linha de produo, entre outros. Com essas informaes em mos, possvel tomar uma deciso mais assertiva a fim de solucionar os problemas encontrados.

4.2.1.

Levantamento e Descrio dos Requisitos Funcionais

QUADRO 1 - Requisitos funcionais X importncia para os negcios Descrio do Requisito Tempo de Parada para Reparo em Mquinas. Importncia no negcio Determina qual a Mquina que mais causa falhas durante o processo produtivo.

Confiabilidade. - Esse requisito englobar aspectos como: disponibilidade, taxa de falhas, previsibilidade, frequncia de falhas.

Determina se uma Mquina est em perfeitas condies de funcionamento, quanto maior a confiabilidade de uma Mquina menor a probabilidade de falhas durante o processo produtivo.

41

Descrio do Requisito Falhas e Causas Esse requisito trar informaes referentes s causas que levaram aquele tipo de falha.

Importncia no negcio Determina quais os motivos que resultaram em falha sobre determinada Mquina. Atravs dessa informao o gerente da rea pode tomar atitudes para diminuir ou eliminar as falhas se conhecer os motivos que levaram a falha. Determina quanto um equipamento consumiu em

Gastos com manuteno Requisito responsvel por demonstrar o gasto total com manuteno, seja ela de ordem preditiva, preventiva ou corretiva.

custos de conformidade e no conformidade durante determinado ms, e nesse mesmo perodo quanto foi produzido. Pode ser extrado dessa informao a necessidade de investimento a fim de reduzir os custos gerados.

Fonte: Autor

4.3.

Especificao e implementao
A especificao deste projeto baseou-se em quatro passos sugerido por Kimball (2002)

para o desenvolvimento de um modelo multidimensional. De acordo com esses passos elaborouse um roteiro para dar incio ao desenvolvimento do modelo multidimensional, conforme descrito abaixo: 1. Selecionar o processo de negcio Nesta etapa so definidos quais setores ou reas da empresa que necessitam de informaes precisas e confiveis para tomada de deciso; 2. Definir a granularidade Essa etapa vital para que o DW atenda os objetivos propostos. atravs da granularidade que ser definido o nvel de detalhes dos dados e, consequentemente, a velocidade no acesso as informaes; 3. Escolha das dimenses Escolher uma dimenso significa identificar em quais parmetros de informaes que os fatos sero baseados; 4. Identificar os fatos Nesta etapa definem-se as mtricas do negcio, ou seja, quantificar informaes para facilitar tomada de deciso; De acordo com este roteiro, nos tpicos a seguir, o projeto ser especificado.

42

4.3.1.

Seleo do processo de negcio

No presente trabalho, a escolha do processo de negcio teve o foco em linhas de produo

assim definidas: Refino, Extruso, Cristalizao e Moagem, alm das atividades envolvidas durante o processo produtivo como, tempo de Mquina parada, gastos com manuteno e reparo, entre outros. Por se tratar de um escopo pequeno, foi aplicada a abordagem de arquitetura Bottom-up (KIMBALL, 2002) na criao de dois Data Marts. O primeiro DM, denominado Confiabilidade, o responsvel pelo armazenamento de dados referentes Manuteno Industrial como Mquinas, equipamentos, tipos de defeitos, entre outros, o segundo DM denominado Investimento, armazena dados referentes a todos os custos inerentes a produo alm dos tipos de materiais produzidos e a quantidade diria de material produzido. A arquitetura do sistema desenvolvido para este trabalho encontra-se no Apndice D.

4.3.2.

Granularidade
Na empresa utilizada como estudo de caso, definiu-se a granularidade por dia, de acordo

com o processo produtivo da empresa, que possui trs turnos ininterruptos de trabalho no dia, equivalente a oito horas de trabalho por turno. Sendo assim, a visualizao de qualquer informao apenas pode ser realizada com agrupamentos por dia, ms, semestre e ano. De acordo com o levantamento e especificao dos requisitos funcionais, a modelagem dimensional foi realizada, conforme mostra o diagrama no esquema estrela desenvolvido para os DMs Investimentos e Confiabilidade, ilustrada nas Figuras 4 e 5 respectivamente. As tabelas escolhidas para o DM Investimento foram: Tempo, Produto, Pea e Mquina. Para o DM Confiabilidade as tabelas selecionadas foram: Produto, Equipamento, TAG, Mquina, Funcionrio, Soluo, Tempo, Causas e Defeito. No Apndice A, encontram-se os dicionrios de dados referentes aos Data Marts descritos acima.

43

FIGURA 4 - Esquema estrela Data Mart Investimento. Fonte: Autor.

DIM_FUNCIONARIOS
ID_F U NC IO NA RIO F U NC I_C O DIGO F U NC I_NO M E

DIM_TAG
ID_TA G TA G_C O DIGO TA G_DESC RI

FATO_CONFIABILIDADE
ID_F A TO ID_C A U S A S

DIM_MAQUINAS
ID_MA Q U INA MA Q _C O DIGO MA Q _DESC RI

DIM_EQUIPAMENTOS
ID_EQ U IP A M EN TO EQ U I_C O DIG O EQ U I_DES C RI

ID_DE F E ITO ID_E Q U IP A M E N TO ID_F U N C IO N A RIO ID_M A Q U IN A ID_S O LU C A O ID_TA G ID_TE M P O ID_P RO DU TO

DIM_TEMPO
ID_TEM P O A NO DA TA DIA _M ES M ES N O M E_M ES DIA _S EM A N A S EM ES TRE

DIM_SOLUCAO
ID_SO LU C A O SO L_C O DIGO SO L_DESC RI

HO RA S _DIS P O N IV E IS HO RA S _P A RA DA M TBF M TTR DIS P O N IBILIDA DE TA XA _A V A RIA S

DIM_DEFEITOS
ID_DEF EITO DEF _C O DIGO DEF _DESC RI

DIM_CAUSAS
ID_C A U SA S C A U _C O DIGO C A U _DESC RI

DIM_PRODUTO
ID_PRO DUTO DESC RIC A O

FIGURA 5 - Esquema estrela Data Mart Confiabilidade. Fonte: Autor.

4.4.

Implementao do Projeto
Por no haver um sistema informatizado de gesto de manuteno, todos os dados

relativos ao histrico de falhas em Mquinas estavam registrados em formulrios de papel. A primeira etapa consistiu em realizar a converso desses dados em formato digital, ou seja, extrair os dados dos formulrios de papel e inseri-los em planilhas Excel. Essa tarefa foi realizada durante quatro meses para armazenar um histrico de seis meses (Janeiro a Junho de 2010).

44

Houve grande dificuldade na padronizao dos atributos descritivos das tabelas Soluo, Causa e Defeito. Por serem provenientes de formulrios de papel os atributos no possuam um padro em sua descrio, em outras palavras, cada profissional de manuteno poderia descrever um nico defeito de vrias formas. Por exemplo, em uma situao onde se deseja descrever a causa da falha rolamento quebrado, um mecnico poderia descrever essa causa de falha como rolamento danificado, enquanto outro poderia descrever a mesma causa como, o rolamento estava quebrado e assim por diante. Toda a padronizao dos dados foi realizada em uma planilha Excel, porm, buscando um melhor desempenho durante a insero de novos dados para o formato digital, optou-se pela implantao de um Sistema de Gerenciamento de Manuteno (Figura 6). O Sistema de Gerenciamento de Manuteno utilizada neste projeto foi o SIGMA-2010, cuja verso totalmente grtis e no h restries de usabilidade. Este software constitui-se em uma poderosa ferramenta para o PCM7 (Planejamento e Controle da Manuteno) e amplamente utilizado em indstrias dos mais variados setores. Aps a implantao do sistema, foram necessrios apenas dois meses para realizar a extrao dos dados presentes nos formulrios e inseri-los no SIGMA, totalizando um histrico de seis meses (Julho a Dezembro de 2010).

FIGURA 6 - Software para Gesto da Manuteno

PCM fundamental para que as manutenes ocorram no melhor momento em uma organizao como um todo

(Planejamento), gerar conhecimento sobre como a manuteno foi efetuada (Controle) e permitir a comparao entre o que foi executado e o que foi planejado (ndices).

45

Para o desenvolvimento do modelo multidimensional deste projeto, optou-se em utilizar o SGBD (Sistema Gerenciador de Banco de Dados) Microsoft SQL Server 2008 R2, enquanto que para o sistema de gerenciamento de manuteno (sistema transacional) utilizou-se o SGBD Firebird. Com a finalidade de se manter a consistncia e a veracidade dos dados o processo de ETL deve ser realizado com extremo cuidado, o que o torna um processo demorado e trabalhoso. A primeira tarefa do processo de ETL consistiu em extrair os dados da base transacional e carreg-los nos Data Marts. Durante o processo de extrao para o Data Mart Confiabilidade, a maior dificuldade recaiu sobre a incompatibilidade dos tipos de atributos entre as bases transacional (Firebird) e multidimensional (SQL Server). O processo de ETL para o Data Mart Investimento no demandou muito tempo devido padronizao dos dados, que estavam contidos em planilhas Excel. O passo a passo do processo de ETL realizado neste projeto encontra-se no Apndice B, vale ressaltar que este processo se refere a somente a tarefa de extrao e carga de dados para uma nica tabela, as demais tabelas seguem o mesmo procedimento. Ao finalizar o processo de ETL inicializou-se o processo de construo dos cubos, nessa tarefa utilizou-se a ferramenta da Microsoft SSAS (SQL Server Analysis Services) sendo esta a responsvel pelo processamento analtico OLAP, utilizada para integrao de dados relacionais. A ferramenta SSAS permite projetar, criar e gerenciar estruturas multidimensionais que contenham detalhes e dados de agregao de vrias fontes de dados. A partir da criao dos cubos ser possvel responder perguntas do tipo:

Cubo Confiabilidade. o Qual o MTBF da Mquina A no perodo de um ano? o Qual o equipamento da Mquina Z possui o maior MTTR? o Qual o Defeito mais e menos frequente na Mquina M?

Cubo Investimento o Qual a Mquina que gerou maior e menor lucro?

46

o Aps o investimento na Mquina W houve aumento ou diminuio da produtividade? o Qual a Mquina que gerou mais e menos custos com manuteno?

No Apndice C, encontra-se um passo a passo para a criao de um cubo OLAP.

47

CAPTULO V - RESULTADOS OBTIDOS

Com a construo dos cubos concluda, iniciaram-se as anlises OLAP dos cubos de Confiabilidade e Investimento. Para que o sistema de BI pudesse ser testado, os cubos Confiabilidade e Investimentos foram disponibilizados conforme descrio abaixo de acordo com as Figuras 7 e 11 respectivamente. No entanto, para facilitar a usabilidade do sistema, utilizou-se tambm como ferramenta de acesso e manipulao dos dados, a planilha eletrnica Microsoft Excel.

5.1.

Anlise Online de dados

A priori, cada tabela Fato gera ao menos um Cubo, neste projeto foram utilizadas nove

tabelas de Dimenso e duas tabelas Fato, portanto esperado ao menos a criao de dois cubos. Esse nmero pode ser maior, e depender somente da necessidade de se realizar uma anlise especfica, utilizando para isso tabelas dimenses especficas para essa anlise. Conclui-se que o limite para criao de cubos depender somente do nmero de combinaes possveis entre as tabelas de dimenso e a tabela fato. Para demonstrar os diversos tipos de anlise em um cubo, optou-se por utilizar todas as tabelas de dimenso envolvidas com a tabela fato, com isso se obtm a capacidade mxima de realizar anlises.

5.1.1.

Cubo Confiabilidade
Primeiramente ser realizada a anlise no Cubo Confiabilidade, de acordo com esse cubo,

possvel verificar o comportamento das Horas de Parada, MTBF, MTTR, Disponibilidade e Taxa de Avarias em funo das dimenses: Equipamento, Soluo, Funcionrios, TAG, Tempo, Mquinas, Defeitos, Produto e Causas. Obter um ndice de produtividade que seja satisfatrio e ao mesmo tempo diagnosticar possveis falhas durante o processo produtivo poder contribuir para a tomada de deciso do gerente da rea em estudo. Para essa primeira anlise seria interessante obter informaes a respeito do desempenho das linhas produtivas em funo do tempo, utilizando como indicadores de confiabilidade o MTBF e a Disponibilidade.

48

A partir desse relatrio o gerente poder visualizar qual o setor que possui o menor MTBF, o que corresponde a um baixo ndice de produtividade. O perodo dessa anlise corresponde a um ano (Janeiro a Dezembro de 2010) e pode ser visualizado na Figura 7.

FIGURA 7 - Anlise: Mquina X Tempo. Fonte: Autor.

Ao realizar esta anlise verificou-se uma baixa Disponibilidade da Linha de Refino durante o primeiro semestre, cujo ndice de Disponibilidade ficou abaixo de 90% (valor prestabelecido) s foi possvel efetuar essa anlise atravs do drill down por semestre e posteriormente por ms. Essa anlise trouxe uma informao mais generalizada da Linha com baixo ndice de produtividade, sendo assim, o gerente no poderia tomar nenhuma deciso para solucionar esse problema. Para isso foi necessrio realizar uma nova anlise, agregando a Dimenso Equipamento e Causas, neste ponto foi possvel responder a pergunta: Qual equipamento e a causa da falha que mais contribuiu para obter um ndice de confiabilidade abaixo de 90% na Linha de Refino durante o primeiro semestre de 2010. Ao analisar a Figura 8, conclui-se que o equipamento Agitadores do TSR, foi o principal responsvel pelo baixo desempenho da produo durante o primeiro semestre de 2010 ao atingir uma Taxa de Avarias de 110,91 Falhas/Ano. Ainda de acordo com a figura 8, observou-se que as principais causas de falhas estavam correlacionadas, ou seja, a consequncia da sobrecarga do equipamento causava o travamento do rolamento. Se somadas, essas causas representam mais de 50% do total da Taxa de Avarias para este equipamento durante o semestre analisado.

49

Equipamento Mquina Tempo

Taxa de Avarias do Equipamento

FIGURA 8 - Anlise: Equipamento X Mquinas X Causas. Fonte: Autor.

Como medida preventiva, foi necessrio instalar um controlador de corrente para evitar a sobrecarga do equipamento e reduzir a quebra do rolamento. A instalao desse equipamento foi concluda em Agosto de 2010 e os resultados obtidos podem ser visualizados na Figura 7. Aps a instalao do controlador de corrente, constatou-se uma queda de 48,29% sobre a Taxa de Avarias do equipamento Agitadores do TSR, e um aumento de 109,52% sobre o MTBF (Figura 9), sendo o suficiente para atingir um ndice de disponibilidade acima de 90% durante o segundo semestre (Figura 7).

Equipamento

Sem Controlador

Com Controlador

FIGURA 9 - Anlise: Mquina X Tempo X Equipamento. Fonte: Autor.

50

5.1.2.

Cubo Investimento
Para realizar as anlises no cubo de Investimentos, optou-se pela integrao do Analysis

Services com o Excel, desta forma torna-se possvel realizar anlises OLAP diretamente em uma planilha Excel atravs das tabelas dinmicas, dessa forma ampliam-se as possibilidades de se criar relatrios, anlises estatsticas e grficas. Atravs da construo do cubo de Investimento foi possvel extrair informaes sobre indicadores econmicos, produtividade e custos ao relacionar as dimenses Tempo, Peas, Mquina e Produto. A primeira anlise a ser realizada verificar o desempenho da produo e buscar identificar possveis padres e tendncias durante o ciclo produtivo. De acordo com a Figura 10, observou-se um aumento de 35,22% no total de material produzido pela Mquina Cristalizador durante o 2 Semestre, se comparado ao 1 Semestre.

Desempenho de

Produtividade

FIGURA 10 - Anlise produtividade por Mquina. Fonte: Autor.

Essa informao importante, mas ainda no possvel determinar as razes para esse aumento. O prximo passo foi adicionar a dimenso DIM_PECAS ao cubo em anlise, alm de suas mtricas, como Custo de Avaliao e Custo de Preveno.

51

Como resultado desta anlise verificou-se que havia sido realizado um investimento de R$ 21.730,26 no ms de Agosto de 2010 visando o aumento da produtividade para este equipamento, a Figura 11 mostra o resultado desta anlise.

FIGURA 11 - Anlise: Pea x Mquina x Tempo. Fonte: Autor.

Como uma ltima anlise, o gerente deseja saber qual o retorno financeiro gerado aps o investimento na mquina Cristalizador. Para responder a essa anlise, foram utilizadas as mtricas da engenharia econmica alm das tabelas Dimenso: DIM_MAQUINAS e DIM_TEMPO. A Figura 12 exibe a anlise realizada para determinar se o investimento trouxe retorno e de quanto foi esse retorno.
Mquinas Ms do Investimento

Dados reais do Investimento

Projees

FIGURA 12 - Indicadores Econmicos.

Fonte: Autor.

52

De acordo com os valores obtidos da anlise econmica (Figura 12) chega-se a concluso de que a proposta do investimento vivel. Primeiramente devido ao fato de se obter um VPL positivo de R$ 15.830,36. A taxa interna de retorno do investimento foi de 24%, ou seja, o dobro do valor da TMA exigida pela empresa que de 12%, e em aproximadamente 3 meses o presente investimento j se pagaria.

53

CONSIDERAES FINAIS

O principal objetivo deste trabalho foi projetar e implementar um sistema de BI, que, por meio de indicadores econmicos e de manuteno gerassem subsdios suficientes para auxiliar o gestor da rea durante um processo decisrio. Aps a realizao de algumas anlises, concluiu-se que o sistema em questo vivel no s do ponto de vista tcnico e funcional, mas principalmente como recurso estratgico que pode ser facilmente aplicado em processos de deciso e monitoramento do processo produtivo. Outro ponto que deve ser destacado refere-se questo do tempo para obteno e anlise dos dados, que antes estavam dispersos em bases transacionais e planilhas eletrnicas. Atravs da construo de um sistema de BI, foi possvel por meio do processo de ETL, centralizar esses dados e disponibiliz-los em um nico local (Data Mart). Vale ressaltar que devido escassez de material prtico sobre o assunto ETL, resultou em um grande esforo em busca de material sobre o referido tema, por esse motivo, disponibilizou-se um pequeno tutorial sobre esse processo de forma a contribuir com a realizao de novos projetos envolvendo este tema. Um aspecto a se levar em considerao esta na facilidade de realizar consultas sejam elas de forma quantitativa ou qualitativa referente a falhas nos ativos da empresa, sendo necessrio utilizar recursos da ferramenta OLAP. A ferramenta OLAP do Analysis Services totalmente integrada ao Excel, o que o tornou um sistema mais interativo com o usurio final, fato esse devido a sua utilizao ser muito comum no meio empresarial. Diante deste contexto, pode-se dizer que os objetivos especificados neste projeto foram cumpridos, uma vez que, atravs dos recursos fornecidos pelo sistema de BI obteve-se xito na gerao de conhecimento, tornando-a uma poderosa ferramenta de apoio deciso.

54

Trabalhos Futuros
Como sugesto de trabalhos futuros, busca-se atravs do Balanced Scorecard (BSC), definir metas para os Indicadores de Manuteno e Investimentos, com isso busca-se realizar uma comparao entre as aes de melhorias implementadas no sistema aps a tomada de decises estratgicas e as metas determinadas na construo do BSC. Como segunda sugesto para trabalhos futuros, busca-se implementar tarefas de Data Mining, academicamente contextualizado como Descoberta de Conhecimento em Bases de

Dados (Knowledge Discovery in Data Base - KDD). Como terceira sugesto para trabalhos futuros, com a utilizao de dispositivos mveis para sistemas de BI, funcionalidades como o acesso imediato e a interao com o sistema de BI, podero se tornar uma importante ferramenta para tomada de deciso em tempo real. Neste cenrio o sistema poderia enviar um alerta ao dispositivo mvel caso algum indicador atingisse uma condio critica predeterminada.

55

REFERNCIAS BIBLIOGRFICAS

ASSOCIAO BRASILEIRA DE NORMAS TCNICAS. NBR 5462: Confiabilidade e Mantenabilidade. Rio de Janeiro: ABNT, 1994. BALARINE, O. Tpicos de matemtica financeira e engenharia econmica. 2 ed. Porto Alegre: Edipucrs, 2002. BARBIERI, C. BI Business Intelligence Modelagem & Tecnologia. Rio de Janeiro: Editora Axel Books, 2001. BLANK, L. TARQUIN, A. Engenharia Econmica. 6 ed. So Paulo: McGraw-Hill, 2005.

BRANCO, F. G. Dicionrio de termos de manuteno, confiabilidade e qualidade. Rio de Janeiro: Cincia Moderna, 2000. CASAROTTO, F.N.; KOPITTKE, H. B. Anlise de investimentos: matemtica financeira, engenharia econmica, tomada de deciso e estratgica empresarial. 9. Ed. So Paulo: Atlas, 2000. GITMAN, L. J. Princpios de administrao financeira. 2 ed. Porto Alegre: Bookman, 2001. GUSMO C. A., ndices de Desempenho da Manuteno: Um Enfoque Prtico, Revista Mantener, ano 1, n. 4, maro, 2001. HIRSCHFELD, H. Engenharia Econmica e Anlise de Custos. So Paulo: Atlas, 2002. INMON, W. H. Building the Data Warehouse, Fourth Edition. Indianapolis: Published by Wiley Publishing, Inc., 2005 JURAN, J.M. A qualidade desde o projeto: Os novos passos para o planejamento da qualidade em produtos e servios. So Paulo: Ed. Pioneira, 1992. KIMBALL, R.; ROSS, M. The data warehouse toolkit: the complete guide to dimensional modeling, 2nd ed. United States of America: Published by John Wiley and Sons, Inc., 2002

56

LAFRAIA, J. R. B. Manual de Confiabilidade, Mantenabilidade e Disponibilidade. Rio de Janeiro: Qualitymark, 2001. LAPPONI, J. C., Anlise de Projetos de Investimento - Modelos em EXCEL, So Paulo: Lapponi Treinamento e Editora, 1996. MACHADO, F.N.R. Tecnologia e Projeto de Data Warehouse 5 Edio, So Paulo: rica, 2010. PADOVEZE, C. L. Contabilidade Gerencial. 2 Ed. So Paulo: Atlas, 1997. PEREIRA, F. J. D., Modelos de Fiabilidade em Equipamentos Mecnicos. 1996. 327f. Tese (Doutorado em Engenharia Mecnica) - Universidade do Porto, Faculdade de Engenharia, Porto, 1996. PINTO, A. K. ; Xavier, J. A. N. Manuteno: Funo Estratgica. Rio de Janeiro: Qualitymark Ed.:2001 SOUZA, A.; CLEMENTE, A. Decises financeiras e anlise de Investimentos. So Paulo: Atlas, 2001. TAVARES, L. A. Administrao Moderna da Manuteno. Rio de Janeiro: Grfica Editora NAT Ltda, 1999. VIANA, H. R. G. PCM: planejamento e controle da manuteno. Rio de Janeiro: Qualitymark,2002. XAVIER, J. N. Manuteno Tipos e Tendncias. Disponvel em:< www.tecem.com.br/site/downloads/artigos/tendencia.pdf > Acesso em: 12/05/2011

57

APNDICES

58

APNDICE A Dicionrio de dados dos Data Marts

As tabelas dimenses, fatos e seus respectivos atributos, alm da definio das chaves primrias (identificadas pelo caractere @) e das chaves estrangeiras, (identificadas pela letra E), foram descritos no seguinte dicionrio de dados: Tabelas 5 e 6 referentes ao Data Mart Investimentos e Tabelas 7 e 8 referentes ao Data Mart Confiabilidade.

TABELA 4 - Dicionrio de Dados Tabela Dimenso Data Mart Investimentos Tabela Dimenso DIM_MAQUINA Atributos @ ID_MAQUINA DESCRICAO Tabela Dimenso DIM_PECAS Atributos @ ID_PECA COD_PECA Tipo INT NVARCHAR Tipo INT NVARCHAR NVARCHAR Tipo INT NVARCHAR Tipo INT INT DATETIME INT NVARCHAR INT NVARCHAR Descrio Chave de identificao de cada mquina Nome de cada mquina Descrio Chave de identificao de cada pea Cdigo de cada pea Nome de cada pea Descrio Chave de identificao de cada produto Nome de cada produto Descrio Chave de identificao de cada dia Indica o ano em que foi realizado o investimento Indica a data (dd/mm/aaaa) em que foi realizado o investimento Indica o dia do ms em que foi realizado o investimento Indica o dia da semana (de segunda a domingo) em que foi realizado o investimento Indica o ms (de 1 a 12) em que foi realizado o investimento Indica o nome do ms (Janeiro a Dezembro) em que foi realizado o investimento

DESCRICAO Tabela Dimenso DIM_PRODUTO Atributos @ ID_PRODUTO DESCRICAO Tabela Dimenso DIM_TEMPO Atributos @ ID_TEMPO ANO DATA DIA_MES DIA_SEMANA MES NOME_MES

59

TABELA 5 - Dicionrio de Dados Tabela Fato do Data Mart Investimentos Tabela FATO_INVESTIMENTO Atributos E E E E ID_MAQUINA ID_PECA ID_PRODUTO ID_TEMPO CUSTO_NAO_CONFORMIDADE CUSTO_CONFORMIDADE CUSTO_MANUTENCAO CUSTO_MATERIAIS CUSTO_PREVENCAO CUSTO_AVALIACAO EVA Tipo INT INT INT INT MONEY MONEY MONEY MONEY MONEY MONEY MONEY Descrio Chave estrangeira da tabela DIM_MAQUINA Chave estrangeira da tabela DIM_PECA Chave estrangeira da tabela DIM_PRODUTO Chave estrangeira da tabela DIM_TEMPO Soma dos Custos de Manuteno e Materiais Soma dos Custos de Avaliao e Preveno Custos referentes mo de obra do pessoal de manuteno Custos referentes aquisio de peas e reformas em mquinas Custos referentes manuteno preventiva e preditiva Custos referentes ao controle de qualidade do produto a ser processado Lucro operacional aps pagamento de impostos menos os encargos sobre capital Resultado positivo deduzido das vendas os custos e despesas. Diferena entre a receita e o custo de produo, incluindo-se os gastos com insumos, energia e outras despesas, mais impostos e remunerao dos empregados. Tempo decorrido entre o investimento inicial e o momento no qual o lucro lquido acumulado se iguala ao valor desse investimento Relao entre o lucro/prejuzo aps um investimento sobre o montante investido. Determina a taxa necessria que ir igualar o valor de um investimento (valor presente) com os seus respectivos retornos futuros. Determina o quanto um investimento lucraria, anualmente, a mais que a respectiva aplicao financeira. Determina o valor presente de pagamentos futuros descontados a uma taxa de juros apropriada, menos o custo do investimento inicial. Total produzido de material com qualidade. Total produzido de material com m qualidade. Total produzido de material para descarte.

LUCRO

MONEY

PAYBACK

MONEY

ROI

MONEY

TIR

MONEY

VAUE

MONEY

VPL

MONEY

TOTAL_PRODUTO_Q1 TOTAL_PRODUTO_Q2 TOTAL_REFUGO

FLOAT FLOAT FLOAT

60

TABELA 6 - Dicionrio de Dados Tabela Dimenso Data Mart Confiabilidade Tabela DIM_CAUSAS Atributos @ ID_CAUSAS CAU_CODIGO CAU_DESCRI Tabela DIM_DEFEITOS Atributos @ ID_DEFEITO DEF_CODIGO DEF_DESCRI Tipo INT NVARCHAR NVARCHAR Descrio Chave de identificao para cada defeito Cdigo do defeito originrio da base transacional Descrio da causa da falha Tipo INT NVARCHAR NVARCHAR Descrio Chave de identificao para cada causa de falhas Cdigo da causa originrio da base transacional Descrio da causa da falha

Tabela DIM_EQUIPAMENTOS Atributos @ ID_EQUIPAMENTO EQUI_CODIGO EQUI_DESCRI Tabela DIM_FUNCIONARIOS Atributos @ ID_FUNCIONARIO FUNCI_CODIGO FUNCI_NOME Tabela DIM_MAQUINAS Atributos @ ID_MAQUINA MAQ_CODIGO MAQ_DESCRI Tabela DIM_PRODUTO Atributos @ ID_PRODUTO DESCRICAO Tabela DIM_SOLUCAO Atributos @ ID_SOLUCAO SOL_CODIGO SOL_DESCRI Tipo INT NVARCHAR NVARCHAR Descrio Chave de identificao para cada Soluo Cdigo da soluo originria da base transacional Descrio da soluo Tipo INT NVARCHAR Descrio Chave de identificao para cada Produto Nome do produto Tipo INT NVARCHAR NVARCHAR Descrio Chave de identificao para cada Mquina Cdigo da mquina originria da base transacional Nome da Mquina Tipo INT INT NVARCHAR Descrio Chave de identificao para cada funcionrio Cdigo do funcionrio originrio da base transacional Nome do Funcionrio Tipo INT NVARCHAR NVARCHAR Descrio Chave de identificao para cada equipamento Cdigo do equipamento originrio da base transacional Nome do equipamento

61

Tabela DIM_TAG Atributos @ ID_TAG TAG_CODIGO TAG_DESCRI Tabela DIM_TEMPO Atributos @ ID_TEMPO ANO DATA DIA_MES DIA_SEMANA Tipo INT INT DATETIME INT NVARCHAR Descrio Chave de identificao de cada dia Indica o ano em que foi realizado o investimento Indica a data (dd/mm/aaaa) em que foi realizado o investimento Indica o dia do ms em que foi realizado o investimento Indica o dia da semana (de segunda a domingo) em que foi realizado o investimento Indica o ms (de 1 a 12) em que foi realizado o investimento Indica o nome do ms (Janeiro a Dezembro) em que foi realizado o investimento Indica o Semestre (1 e 2) Tipo INT NVARCHAR NVARCHAR Descrio Chave de identificao para cada TAG Cdigo da TAG originria da base transacional Descrio da TAG

MES

INT

NOME_MES SEMESTRE

NVARCHAR INT

TABELA 7 - Dicionrio de Dados Tabela Fato Data Mart Confiabilidade Tabela FATO_CONFIABILIDADE Atributos @ E E E E E E E E E ID_FATO ID_CAUSAS ID_DEFEITO ID_EQUIPAMENTO ID_FUNCIONARIO ID_MAQUINA ID_PRODUTO ID_SOLUCAO ID_TAG ID_TEMPO MTBF Tipo INT INT INT INT INT INT INT INT INT INT FLOAT Descrio Chave Primria da Tabela FATO_CONFIABILIDADE Chave estrangeira da tabela DIM_CAUSAS Chave estrangeira da tabela DIM_DEFEITOS Chave estrangeira da tabela DIM_EQUIPAMENTOS Chave estrangeira da tabela DIM_FUNCIONARIO Chave estrangeira da tabela DIM_MAQUINAS Chave estrangeira da tabela DIM_PRODUTO Chave estrangeira da tabela DIM_SOLUCAO Chave estrangeira da tabela DIM_TAG Chave estrangeira da tabela DIM_TEMPO Tempo mdio entre ocorrncias de falha de um equipamento ou mquina

62

Atributos MTTR

Tipo FLOAT

Descrio Tempo mdio para reparos de um equipamento ou mquina Previso da quantidade de falhas de um equipamento por ano (n falhas / dias) Porcentagem de tempo em que o equipamento esteve disponvel durante determinado perodo Quantidade de horas disponveis durante um ano. Total de horas em que a linha ficou sem produzir

TAXA_AVARIAS

FLOAT

DISPONIBILIDADE HORAS_DISPONIVEIS HORAS_PARADA

FLOAT FLOAT FLOAT

63

APNDICE B Passo a passo do processo de ETL

Para criao do processo de ETL utilizou-se a ferramenta SISS (SQL Server Integration Services). A primeira tarefa para a realizao de um processo de ETL foi criar um pacote no SISS. Esse pacote inclui modelos para objetos, fontes de dados, exibies de fontes de dados e pacotes que so essenciais para um processo de ETL. Para dar incio ao projeto, no menu Iniciar, clique em Todos os Programas, Microsoft SQL Server 2008 e selecione SQL Server Business Intelligence Development Studio (Figura 13).

FIGURA 13 - Iniciando projeto

No menu Arquivo, selecione Novo Projeto (New Project) para criar um novo projeto Integration Services (Figura 14).

FIGURA 14 Criando um novo projeto

Na caixa de dilogo Novo Projeto (New Project), selecione o Projeto do Integration Services (Integration Services Project) no painel Modelos (Templates) (Figura 15).

64

FIGURA 15 Selecionando um Projeto do Integration Services.

Ao concluir as tarefas anteriores a seguinte janela ser exibida (Figura 16)

FIGURA 16 rea de trabalho do SSIS.

Na caixa de ferramentas (toolbox), selecione o componente Data Flow Task (Figura 17), esse componente o responsvel pela execuo do grupo de tarefas (extrao transformao e carga).

65

FIGURA 17 Selecionando o componente Data Flow Task.

A figura 18 exibe uma planilha na qual ser a fonte de dados a ser extrada para o Data Mart.

FIGURA 18 Planilha utilizada como fonte de dados.

O prximo passo ser criar a conexo com a planilha descrita anteriormente, para isso selecione o componente Excel Source na caixa de ferramentas (Figura 19).

FIGURA 19 Conexo com a fonte de dados.

66

O mesmo procedimento descrito anteriormente deve ser realizado novamente, porm, para conexo com o banco de destino dos dados que sero coletados da planilha. Para isso selecione o componente OLE DB Destination (Figura 20).

FIGURA 20 Conexo com o destino dos dados.

O prximo passo ser realizar o mapeamento da fonte de dados, clicando com o boto direito do mouse em cima do componente Excel Source e depois em Edit (Figura 21).

FIGURA 21 Editar componente Excel Source.

A seguinte janela (Figura 22) responsvel por criar a conexo com a fonte de dados, para criar uma nova conexo com a fonte de dados clique em New.

67

FIGURA 22 Criando uma nova conexo com a fonte de dados.

Na janela Excel Connection Manager (Figura 23) deve-se selecionar a planilha que servir como fonte de dados a ser importada. Para selecionar a fonte clique em Browse...

FIGURA 23 Selecionar o arquivo fonte.

Ao clicar no boto Browse... uma nova janela do windows explorer ser aberta, nessa janela dever ser selecionada a planilha fonte, neste caso a planilha Dados Produo OFICIAL.xls (Figura 24), que possui dados relativos a quantidade de material produzido durante um ano.

68

FIGURA 24 Selecionando a fonte de dados.

Aps selecionar a planilha, automaticamente o sistema retorna para a janela de edio da fonte de dados (Excel Source Editor) Clicando no boto Preview, possvel visualizar os dados que sero importados (Figura 25).

FIGURA 25 Exibio dos dados da planilha Dados Produo OFICIAL.xls.

Concludo o mapeamento da fonte de dados, o prximo passo ser realizar a conexo entre o componente de destino (OLE DB Destination) e a fonte de dados (Excel Source). Para esta tarefa, clique na seta verde do componente fonte e arraste at o componente de destino (Figura 26).

FIGURA 26 Conexo entre a fonte e o destino dos dados.

69

Ao finalizar a conexo dever ser realizada a configurao do componente que realizar a conexo com o destino dos dados. O procedimento semelhante a tarefa de conexo da fonte de dados. Clique sobre o componente OLE DB Destination e depois em Edit...(Figura 27)

FIGURA 27 Configurar conexo de destino dos dados.

Ao finalizar a tarefa anterior a janela abaixo ser exibida (Figura 28), o prximo passo ser clicar em New, para criar uma conexo com o destino.

FIGURA 28 Criando uma conexo de destino.

Como no existem conexes de dados previamente criadas, clique em New para configurar uma nova conexo de destino (Figura 29).

FIGURA 29 Criando uma nova conexo de destino.

70

A janela Connection Manager permite configurar o destino dos dados. Primeiramente, deve-se definir o nome do servidor de Banco de Dados no campo Server Name (Figura 30).

FIGURA 30 Janela do Gerenciador de Conexo (Connection Manager).

Aps a definio do servidor, o prximo passo ser determinar qual o banco de dados de destino, neste caso o banco selecionado foi o DM_INVESTIMENTO (Figura 31).

FIGURA 31 Definio do Servidor e do Banco de Dados de destino .

possvel verificar se a conexo com banco de dados est correta, para isso, clique em Test Connection e em caso de sucesso a seguinte janela dever ser apresentada (Figura 32).

71

FIGURA 32 Teste de conexo com o Banco de Dados de destino.

Havendo sucesso na conexo criada, clique em Ok na janela de Configurao do Gerenciador de Conexo (Configure OLE DB Connection Manager) (Figura 33). Ao fazer isso o sistema retornar janela de incio do Editor de Destino (OLE DB Destination Editor) (Figura 34).

FIGURA 33 Janela de Configurao do Gerenciador de Conexo

O prximo passo agora selecionar a tabela destino, neste caso a tabela Produto foi selecionada (Figura 34).

72

FIGURA 34 Janela do Editor de Destino.

Antes de executar a tarefa, necessrio realizar o mapeamento entre os atributos da fonte de dados e do destino (Figura 35).

FIGURA 35 Mapeamento entre os dados de origem e destino

Aps o mapeamento, o prximo passo executar a tarefa de extrao e carga dos dados, para isso clique em Start Debugging (Figura 36).

73

FIGURA 36 Executando o processo de Extrao e Carga dos Dados.

Se no houver falhas a seguinte tela ser exibida (Figura 37).

FIGURA 37 Finalizao do processo de Extrao e Carga dos Dados.

O resultado pode ser observado de acordo com a Figura 38, onde os dados foram extrados da planilha Excel e inseridos em uma tabela no banco de dados.

FIGURA 38 Verificao do processo de ETL.

74

APNDICE C Criao do Cubo Investimento

Para dar incio criao do Cubo Investimento, no menu Iniciar, clique em Todos os Programas, Microsoft SQL Server 2008 e selecione SQL Server Business Intelligence Development Studio (Figura 39).

FIGURA 39 - Iniciando projeto

No menu Arquivo, selecione Novo Projeto (New Project) para criar um novo projeto Integration Services (Figura 40).

FIGURA 40 Criando um novo projeto

Na caixa de dilogo Novo Projeto (New Project), selecione o Projeto do Analysis Services (Analysis Services Project) no painel Modelos (Templates) (Figura 41). Aps definir um nome para o projeto e clique em Ok.

75

FIGURA 41 Criando um novo projeto do Analysis Services

Na aba Solution Explorer clique com o boto direito sobre a pasta Data Sources e depois, com o boto esquerdo clique em New Data Source (Figura 42). Aps isso a janela de definio do Data Source ser exibida (Figura 43)

FIGURA 42 Criando uma conexo com um Data Source

FIGURA 43 Criando uma nova conexo com um Data Source

Para criar uma nova conexo com a fonte de dados, neste caso com o Data Mart Investimento, clique em New, a seguinte janela ser exibida (Figura 44). Nesta janela deve-se definir o nome do servidor e o banco de dados que ser utilizado no modelo.

76

FIGURA 44 Definindo parmetros de conexo de um Data Source

Aps a definio do servidor e do banco de dados descritos anteriormente, o sistema nos remente a seguinte janela (Figura 45). O prximo passo ser editar algumas propriedades de conexo com a fonte de dados, para isso clique em Next.

FIGURA 45 Selecionando uma conexo

Clicando em Next, a janela abaixo ser exibida (Figura 46). Essa janela definir qual a credencial que ser utilizada para obter acesso fonte de dados, por padro seleciona-se a opo Use the service account.

77

FIGURA 46 Definindo credenciais de aceso

Clicando em Next, ser exibida uma janela conforme figura 47. Nesta janela deve-se atribuir um nome para o Data Source, finalmente clique em Finish.

FIGURA 47 Definindo nome da fonte de dados

Finalizada a criao da conexo com o Data Source, o prximo passo ser definir quais tabelas estaro disponveis para visualizao no cubo, o procedimento semelhante a criao do Data Source. O primeiro passo clicar com o boto direito do mouse sobre a pasta Data Source View da aba Solution Explorer e na opo New Data Source View clique com o boto esquerdo do mouse (Figura 48).

FIGURA 48 Criando a Data Source View.

Nessa etapa ser realizado a seleo do Data Source criado anteriormente. Para isso, selecione o Data Source e depois clique em Next (Figura 49).

78

FIGURA 49 Selecionando um Data Source

A seguinte janela (Figura 50) ser apresentada, nesta etapa sero selecionadas as tabelas que faro parte do Cubo Investimento, neste caso as tabelas selecionadas foram DIM_MAQUINA, DIM_PECAS, DIM_PRODUTO, DIM_TEMPO e FATO_INVESTIMENTO, aps a seleo das tabelas clique na seta direita ( Next. A prxima janela ser utilizada para definir o nome do Data Source View, aps a definio do nome, clique em Finish(Figura 51). ) para efetivar a escolha, em seguida clique em

FIGURA 50 Selecionando Tabelas para o cubo

79

FIGURA 51 Definindo um nome para o Data Source View

Ao finalizar o processo anterior, a seguinte janela ser exibida (Figura 51).

FIGURA 52 Janela de Exibio do Data Source View.

O prximo passo ser definir as dimenses que iro compor as vises do cubo, para isso clique com o boto direito do mouse sobre a pasta Dimensions na aba Solution Explorer e depois com o boto esquerdo clique em New Dimension (Figura 53).

FIGURA 53 Criando uma dimenso.

Ao clicar em New Dimension a seguinte janela ser exibida (Figura 54). Nesta janela selecione a opo Use an existing Table (Utilizar uma tabela existente) e clique em Next.

80

FIGURA 54 Selecionando um mtodo para criao da dimenso

Na seguinte janela (Figura 55), deve-se selecionar o Data Source View criado em passos anteriores, alm das respectivas tabelas dimenso. Ainda nesta janela, necessrio definir qual ser Key Column (Coluna Chave) e definir o seu nome. Aps a definio dos campos descritos anteriormente clique em Next, em seguida selecione os atributos que deseja exibir na dimenso (Figura 56) novamente, clique em Next e na prxima janela defina o nome da dimenso (Figura 57) .

FIGURA 55 Especificao das informaes da fonte de dados.

81

FIGURA 56 Seleo dos atributos da Dimenso.

FIGURA 57 Definio do nome da Dimenso.

Clicando em Finish conclui-se a etapa de criao da dimenso, essa tarefa deve ser realizada para todas as dimenses que possam ser relevantes para a composio do cubo. A prxima etapa consiste em montar o Cubo, para isso, clique com o boto direito do mouse sobre a pasta Cubes localizada na aba Solution Explorer e posteriormente em New Cube (Figura 58).

FIGURA 58 Criao do Cubo Investimento.

82

Ao concluir o passo anterior a seguinte janela ser apresentada (Figura 59). Nesta janela devero ser definidos os mtodos para criao do cubo, seleciona-se a primeira opo Use existing tables (Utilizar tabelas existentes) e clique em Next.

FIGURA 59 Seleo do mtodo de criao do cubo.

O prximo passo ser definir qual ser o grupo de medidas (Figura 60)

FIGURA 60 Seleo da Tabela que possui um grupo de medidas.

Aps a definio do grupo de medidas, neste caso a tabela FATO_INVESTIMENTO, deve-se selecionar as medidas que sero includas no cubo OLAP (Figura 61), em seguida clique em Next.

83

FIGURA 61 Seleo do grupo de medidas

O passo seguinte ser selecionar as dimenses que iro compor o cubo Investimento (Figura 62).

FIGURA 62 Seleo das Dimenses.

Aps a definio das medidas e dimenses do cubo, deve-se definir o nome do cubo (Figura 63), tambm possvel fazer uma reviso da estrutura do cubo OLAP. Clique em Finish.

84

FIGURA 63 Reviso e definio do nome do cubo

O prximo passo ser realizar a implantao (Deploy) do projeto, para isso clique com o boto direito sobre o cubo recm-criado e depois, com o boto esquerdo, clique em Process... (Figura 64), em seguida, a janela referente a figura 65 ser exibida, nesta clique em Run....

FIGURA 64 Processar Cubo

FIGURA 65 Processar Cubo

As etapas do processo anterior podem ser visualizadas na prxima imagem (Figura 66).

85

FIGURA 66 Resultado do Processamento do Cubo Investimento

Ao trmino do processamento descrito na etapa anterior, clique em Close e em seguida na aba Browser (Figura 67).

FIGURA 67 Acessando o Browser do Cubo

A aba Browser corresponde ao local em que sero realizadas as anlises (Figura 68), para isso, deve-se fazer uso das dimenses criadas em passos anteriores, alm das medidas selecionadas da tabela fato.

FIGURA 68 Browser do Cubo

Para obter informaes geradas aps a criao do cubo, clique e arraste os atributos das dimenses para rea Drop Row Fields Here, o mesmo dever ser feito para as unidades de

86

medida (Measures) selecione uma ou mais mtrica e arraste at a rea Drop Totals or Detail Fields Here localizada no centro da rea de trabalho do BIDS. Neste ponto, possvel extrair informaes valiosas, por exemplo, ao adicionar as Dimenses Tempo, Mquina e a mtrica Custo de Manuteno (Figura 69). Esta apenas uma das muitas anlises que podero ser realizadas de acordo com a necessidade do usurio.

FIGURA 69 Realizando a anlise dos dados

87

APNDICE D Arquitetura do Sistema

A figura 70 exibe a arquitetura do sistema de BI baseado em Data Warehouse desenvolvida para o presente trabalho. Essa arquitetura composta pelos seguintes mdulos: Mdulo OLTP: (Online Transaction Processing - Processamento de Transaes em Tempo Real). So sistemas encarregados de registrar todas as transaes do dia a dia em um ambiente operacional. Mdulo de ETL: componente dedicado extrao, carga e transformao de dados do sistema OLTP. Esse mdulo ser o responsvel pela coleta das informaes nas mais varias fontes, de planilhas Excel a sistemas ERPs. Mdulo Data Mart / Datawarehouse: Esse mdulo responsvel por concentrar todos os dados extrados dos sistemas OLTP. Mdulo Front-end: o mdulo que permite ao usurio visualizar e manipular os dados de um projeto de BI. Essa visualizao pode ser em forma de relatrios padronizados, Consultas OLAP, anlises estatsticas, entre outras.

FIGURA 70 - Arquitetura do Sistema de BI

88

ANEXOS