Docente do Colegiado de Engenharia de Produção da Universidade Federal do Vale do São Francisco (UNIVASF) e avaliadora do sistema nacional de avaliação do ensino superior do Ministério da Educação (MEC/INEP). Doutora em Engenharia Industrial pela Universidade Federal da Bahia (UFBA). Mestre em Engenharia Mecânica [2008 - Universidade Federal de Pernambuco - UFPE]. Engenheira de produção mecânica [2004 - Faculdades Integradas Ipitanga em parceria com o SENAI] e Técnica em refrigeração e ar condicionado [1998 - CEFET/PE]. Atuou como Analista de Processos Tecnológicos no SENAI-CIMATEC (Centro Integrado de Manufatura e Tecnologia) no Setor de Gestão da Produção/Logística como Docente em cursos de Tecnologia e Engenharias, além de consultorias para organizações industriais. Atuou como Engenheira de Produção na Indústria e Gerente de Fábrica. Atuou também como Coordenadora/Supervisora de Manutenção em Empresas de Engenharia. Tem experiência na área de Engenharia de Produção e Engenharia Mecânica, com ênfase em Gestão da Produção, Qualidade, Produtividade e Engenharia de Manutenção.
Universidade Federal do Vale do São Francisco – UNIVASF, Petrolina, PE, Brasil.
Doutorado em engenharia agrícola [2013 - Universidade Estadual de Campinas - UNICAMP] Mestrado em engenharia mecânica [2008 - Universidade Federal de Pernambuco - UFPE] Engenheiro de produção mecânica [2003 - Faculdades Integradas Ipitanga em parceria com o SENAI]. Técnico em refrigeração e ar condicionado [1994 - Escola Técnica Federal de Pernambuco].
Universidade Federal do Vale do São Francisco – UNIVASF, Petrolina, PE, Brasil.
Em relação à manutenção de ativos, sabe-que que a previsão de demanda para reposição de peças é uma condição importante para a gestão de estoques, visando diminuir custos e evitar a obsolescência de produtos. É evidente que a utilização de métodos preditivos com maior grau de precisão é uma ferramenta fundamental nesse contexto, frente à falta de peças e a super estocagem. Desse modo, o presente trabalho tem por objetivo avaliar o desempenho de uma rede neural artificial na predição de demanda de peças de reposição de um setor de manutenção de tratores agrícolas. Para isso, utilizou-se como método de avaliação e monitoramento a análise dos erros percentuais médios absolutos da previsão. Com intuito de alcançar o objetivo proposto, buscou-se, primeiramente, o estudo dos principais aspectos teóricos relacionados à gestão de estoques e aos métodos de previsão de demanda. Posteriormente, foi feita a seleção das redes Elman para o estudo, e em relação à seleção de peças para análise, ferramentas de gestão de estoques foram utilizadas, visando explorar itens importantes para o setor. Mediante a utilização da metodologia proposta, os resultados mostraram que as redes neurais possuem uma boa aplicação para o contexto em questão, pois, além de apresentar configurações com erros aceitáveis, por várias vezes a rede acertou os picos de maiores e menores demandas, análise importante para a gestão de estoques.
Palavras-chave: Manutenção; Gestão de Estoques; Previsão de Demanda; Redes Neurais.