Proposta De Implementação Da Ferramenta PDCA Para Maximizar Os Resultados Da Gestão Dos Estoques: Estudo De Caso Na Empresa Caloi
Bibliographic record
Abstract
O presente estudo de caso tem como finalidade identificar e compreender os canais de distribuição e controle de estoque a partir da ferramenta PDCA, usando o 5W2H para auxiliar a empresa no entendimento de suas fragilidades, verificar a qualidade das operações e como a ferramenta contribui para a melhoria dos processos. Atualmente, as empresas estão sempre em busca de melhores resultados, pois devem estar sempre atentas aos detalhes importantes de sua gestão, um dos quais é a gestão e controle de estoque. Os gestores devem avaliar o melhor método de abastecimento de estoque para evitar o risco de muitos produtos, existem várias ferramentas que podem ajudar neste gerenciamento. O objetivo deste trabalho é um estudo de caso que contém um método de implementação do uso de ferramentas PDCA para melhorar o processo de controle de estoque. O artigo foi produzido através de pesquisas na organização e em áreas funcionais, o ponto-chave nessas áreas é a operação, e a falta de controle de estoque, que é um problema de destaque. Quanto a metodologia utilizou-se de pesquisa qualitativa, que é realizada por meio de coleta de dados, entrevistas, análise de documentos e dados por meio de questionários. Posteriormente, através da utilização do método PDCA, aliado à aplicação das ferramentas da qualidade 5W2H, foi apresentada uma proposta de melhoria detalhada para redução dos erros de estoque, ferramenta que pode melhorar significativamente o processo produtivo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".