A pergunta

Que evento externo vai atingir o BRT, e o que faço antes que chegue?

O que faz

Lê notícias, redes, clima e o histórico em contínuo, classifica cada evento em 5 estágios e recomenda a ação preventiva antes do impacto.

O problema

A Mobi Rio opera o BRT do Rio de Janeiro: quatro corredores (TransOeste, TransCarioca, TransOlímpica e TransBrasil), com histórico operacional desde 2012. Os eventos externos que atingem o BRT (operações policiais, tiroteios, chuvas fortes, protestos, grandes eventos) são detectados quando já estão em curso. A informação existe: está em notícias, redes, alertas de clima e no próprio histórico de ocorrências. Mas vive em bases separadas, ninguém a cruza em tempo real e o aviso chega por ramal telefônico. O gargalo não é a cobertura, é a velocidade: sem minutos de antecedência, cada decisão é reativa.

Como construímos

Partimos dos casos reais que mais custaram e separamos quatro camadas: o histórico interno para calibrar, a leitura de fontes abertas 24 horas, o cálculo de probabilidade × impacto e as saídas para o mapa, o celular e o painel de gestão. A escala de 5 estágios é a mesma do COR-Rio.

Funções

A pergunta

Em preparação.

O que faz

Em breve.

O problema

Em breve.

A pergunta

Qual caminhão pega qual ordem, e quando realmente fica livre?

O que faz

Recomenda qual caminhão pega qual ordem, prevê quando realmente fica livre e aprende com cada decisão do supervisor.

O problema

A Rota B faz transporte dedicado para uma operação de abastecimento: uma frota própria que vai e volta entre uma base e vários destinos. Quase metade do tempo de cada ordem se perde antes de o caminhão começar a carregar. O supervisor atribui por intuição, com um painel que mostra só o último trecho e esconde as reentradas, e um semáforo fixo de 3 horas que acende em 4 de cada 10 ordens: o alerta deixou de distinguir.

Como construímos

Na reunião, o gerente resumiu em uma palavra: tempos. Ao ler o histórico de cada ordem etapa por etapa apareceu o porquê: o painel reiniciava o contador a cada reentrada. Separamos dois relógios, o do cliente e o da frota, e sobre eles construímos uma fila de atribuição que recomenda, explica seu fundamento e aprende com cada decisão diferente do supervisor.

Funções

A pergunta

O que faço agora com esta ocorrência?

O que faz

Responde "o que faço agora?" em cada ocorrência com o critério da empresa e transforma o que acontece na operação em dados consultáveis.

O problema

A Nortran transporta pessoas: a carga mais crítica que existe. Uma operação de transporte de pessoas com mais de 130 veículos e cerca de 280 motoristas em 3 bases. A telemetria vive em plataformas de terceiros, as ocorrências circulam por grupos de WhatsApp e 25 indicadores são preenchidos à mão em um quadro de parede. Diante de cada ocorrência, a resposta era uma só: ligar para o gerente.

Como construímos

Ouvimos como o gerente decide diante de casos reais e lemos o regulamento disciplinar e o manual de operação. Desenhamos um sistema que ordena cada ocorrência, aplica as regras de escalonamento com seus prazos e propõe o que fazer citando o critério do gerente, que fica registrado como ativo da empresa e não de uma pessoa.

Funções

A pergunta

O que precisa estar pronto, onde e quando, para a linha não parar?

O que faz

Sincroniza preparação, montagem e fornecedores: marca o ponto crítico de cada pedido e monta o calendário a partir da carteira.

O problema

A Magnus Modular fabrica módulos habitacionais e industriais com lógica automotiva: uma área de preparação monta os pacotes (portas, janelas, pisos, banheiros) e a linha de montagem apenas monta. A linha produz 26 módulos por dia e quer baixar de cerca de 30 para 19 minutos por módulo. A programação era feita à mão no Excel, com uma semana de antecedência no melhor caso e um ou dois dias quando o cliente aperta. Sem registro digital no chão de fábrica, ninguém sabia qual componente travava cada pedido e a logística despachava envios incompletos.

Como construímos

Partimos da reunião com o gerente de manufatura e da planilha de programação dele. O diagnóstico foi claro: não era preciso produzir mais, era preciso sincronizar. Desenhamos uma torre que cruza a carteira com os tempos por tipo de módulo, marca o componente crítico de cada pedido, monta o calendário de preparação e soma um registro digital simples no chão de fábrica para que a logística veja o que está realmente concluído.

Funções

A pergunta

Quanto compro de cada item esta semana, e posso confiar nesse número?

O que faz

Calcula quanto comprar ou produzir de cada item a cada semana, declara sua confiança e aprende com o critério do planejador.

O problema

A Topaz Tech vende componentes elétricos, hidráulicos e de climatização para a construção, com 1.792 códigos e uma parte fabricada por terceiros. A planilha que decidia quanto comprar usava uma demanda que era 52,5% da real: cada mês acima da média virava zero. Resultado: 48 itens com mais pedidos do que estoque mais compras em curso, enquanto 277.282 unidades paradas ocupavam o depósito. E quando algo faltava, ninguém podia provar se tinha sido a previsão, o fornecedor ou as compras.

Como construímos

Fizemos engenharia reversa da planilha com código e encontramos a regra que a quebrava: os picos não eram excluídos, eram zerados. Reconstruímos a demanda item por item, cruzamos estoque, pedidos e compras em curso e montamos uma fila semanal de decisão: quanto comprar, com que confiança e por quê. Cada ajuste do analista fica como precedente que a próxima recomendação cita.

Funções

A pergunta

Quanto produzir de cada produto, e a qual cliente não convém empurrar mais?

O que faz

Limpa o histórico, prevê a demanda por produto e canal e a converte em um plano integrado de produção e compras.

O problema

A Voltra fabrica e importa baterias para carros e motos: cerca de 300 produtos que chegam a uns mil distribuidores por quatro canais, com o tradicional movimentando a maior parte do volume. Toda a operação dependia de um forecast em Excel com exatidão de 27% por produto. Desse número saíam o plano de produção, as compras de importação e as chegadas. O erro era descoberto tarde, quando já era bateria fabricada no armazém, e o histórico estava contaminado por campanhas, bonificações e compras antecipadas para fechar degraus.

Como construímos

Analisamos como o forecast era montado e o que seu histórico continha. A série misturava demanda real com escassez passada, campanhas e compras antecipadas. Separamos essas camadas, medimos a saturação de cada cliente e construímos uma previsão por produto e canal que avisa antes que o erro chegue à fábrica.

Funções

A pergunta

Quanto me custa realmente cada m³ executado?

O que faz

Apropria horas de máquina e de pessoal a cada serviço, calcula o custo real por m³ e avisa quando uma frente se desvia.

O problema

A Forja Construcciones tem 10 obras ativas, com até 50 equipamentos pesados por obra entre linha amarela e linha branca. A empresa não conhecia o custo real de cada m³ executado. As horas de máquina e de pessoal eram anotadas em papel e o gerente as passava ao Excel no fim do dia. Uma obra anterior foi dada como rentável até que o levantamento de custos revelou R$ 8,8 milhões de prejuízo já consolidado.

Como construímos

Seguimos o caminho do dado: do papel do apontador à planilha do gerente. Desenhamos um registro móvel que funciona sem conexão, a apropriação automática de horas-máquina e horas-homem a cada serviço e um custo real por m³ comparado com o orçamento, com alertas e uma recomendação de replanejamento quando uma frente se desvia.

Funções

A pergunta

Se amanhã sair alguém-chave, quem entra e quando?

O que faz

Calcula a cobertura real de cada posição crítica, avisa onde vai ficar uma vaga e mostra o talento que ninguém está olhando.

O problema

O Grupo Andino acompanha 11 posições críticas e de liderança, com um grupo de 27 colaboradores entre titulares e sucessores. A sucessão das posições críticas era resolvida em planilhas e reuniões. Cada posição tinha nomes indicados, mas ninguém sabia se esses sucessores estavam prontos a tempo nem se a mesma pessoa cobria várias vagas ao mesmo tempo. A cobertura no papel parecia alta; a real, se várias saídas coincidissem, era a metade.

Como construímos

Organizamos o plano em três peças (posição, pessoa e indicação) e construímos um motor de cálculo que sempre dá o mesmo resultado com o mesmo dado: disponibilidade, lacuna temporal, cobertura real e colisões. Por cima, uma camada de IA que prioriza, detecta talento oculto, estima o risco de saída e redige as leituras para o comitê sem inventar números.

Funções

A pergunta

Posso aprovar esta ordem sem estourar o teto do mês?

O que faz

Mostra o saldo real em qualquer dia, freia uma ordem antes de estourar o teto e explica cada diferença entre fontes.

O problema

A Pretenza fabrica pré-fabricados de concreto e sua equipe de manutenção cuida de mais de 150 ativos: pontes rolantes, extrusoras, usinas. A manutenção controlava um orçamento anual com duas planilhas que nunca batiam: a da área registra quando a compra é comprometida e a do financeiro quando chega a nota fiscal. O gasto era conhecido no mês seguinte, a maioria dos meses fechava acima do teto e ninguém via o que já estava comprometido antes de aprovar outra ordem.

Como construímos

Começamos pela reunião com o gerente e as duas planilhas. Ao cruzá-las mês a mês apareceu a causa: não era um erro, era o momento em que cada uma registra. Com isso desenhamos uma camada que leva o compromisso, o já pedido e ainda não faturado, e o desconta do teto antes de aprovar. Por cima, um modelo que explica cada diferença, agrupa os nomes dos ativos e aprende com o critério do gerente.

Funções