Skip to main content

Indicador analítico e modelo matemático para impacto operacional no recebimento de materiais.

Project description

FIOR - Fator de Impacto Operacional no Recebimento 📊🚚

O FIOR é uma metodologia analítica e matemática autoral desenvolvida para quantificar a complexidade operacional instantânea enfrentada por equipes de recebimento e conferência de materiais em almoxarifados industriais e centros de distribuição.

Ao contrário de indicadores tradicionais como o OTIF (que avalia o fornecedor) ou o Tempo de Ciclo (que apenas cobra velocidade da equipe), o FIOR mede o grau de impacto que variáveis externas e imprevistos têm sobre a eficiência do setor.


📐 A Formulação Matemática

O modelo utiliza a abordagem de Análise Multicritério de Decisão (MCDM) com uma estrutura de ponderação linear restrita:

$$FIOR = (F_{urg} \times 0.4) + (F_{div} \times 0.3) + (F_{qual} \times 0.2) + (F_{amb} \times 0.1)$$

Onde cada fator recebe uma nota discreta de 1 a 5 com base no cenário real do pátio:

  • F_urg (Urgência): Severidade da demanda (ex: item de máquina parada ou estoque de rotina).
  • F_div (Divergência): Complexidade fiscal, cadastral ou documental da Nota Fiscal.
  • F_qual (Qualidade): Nível de exigência na conferência física (itens sem identificação, avarias).
  • F_amb (Ambiente): Estado da infraestrutura e estresse físico (chuva, queda de sistema, pátio saturado).

🟢 Matriz de Criticidade (Zonas de Impacto)

O resultado final do FIOR varia de 1.0 a 5.0, classificando a operação em três zonas de criticidade:

  • De 1.0 a 2.2 | Zona Verde (Baixo Impacto): Fluxo padrão, sem gargalos.
  • De 2.3 a 3.7 | Zona Amarela (Médio Impacto): Operação impactada, exigindo tratativas burocráticas ou esforço extra de conferência.
  • De 3.8 a 5.0 | Zona Vermelha (Gestão de Crise): Caos operacional. Justifica quedas bruscas na produtividade e exige atuação da liderança.

💻 Implementação Automatizada com Python (pandas)

O projeto conta com um script em Python que automatiza o cálculo em lote. Ele lê uma planilha comum do Excel contendo os registros de Notas Fiscais e as respectivas notas dos fatores, injeta a lógica matemática e gera um relatório consolidado com os resultados e classificações.

Pré-requisitos

pip install pandas openpyxl

📊 Como Utilizar

A biblioteca foi desenhada para ser simples e direta, oferecendo suporte para análises individuais ou processamento de planilhas inteiras em lote (Excel).

1. Processamento em Lote (Planilhas Excel)
Esta é a forma mais comum de uso no dia a dia. O pacote varre todas as linhas da planilha, calcula as notas e gera um novo arquivo consolidado.

⚠️ Requisito Obrigatório: A sua planilha de entrada precisa conter exatamente estas 4 colunas: F_urg, F_div, F_qual e F_amb.

Python
import fior

# Defina o nome do seu arquivo original

caminho_da_planilha = "recebimentos.xlsx"

# Executa o processamento

arquivo_gerado = fior.processar_fior_lote(caminho_da_planilha)

print(f"Sucesso! Relatório salvo como: {arquivo_gerado}")

# O pacote criará automaticamente o arquivo 'fior_resultados_consolidados.xlsx'

2. Análise Individual (Modo Unitário)
Se você precisa calcular a criticidade de apenas um recebimento específico de forma rápida:

Python
import fior

# Parâmetros: calcular_fior_unidade(urgencia, divergencia, qualidade, ambiente)

nota_final = fior.calcular_fior_unidade(5, 4, 2, 1)
zona_criticidade = fior.mapear_zona_criticidade(nota_final)

print(f"Nota FIOR: {nota_final}")
print(f"Status do Recebimento: {zona_criticidade}")

🎯 Variáveis do Modelo

O cálculo ponderado avalia os seguintes pilares operacionais (notas de 1 a 5):

F_urg: Grau de urgência do material ou processo.

F_div: Índice de divergência identificada (físico vs. nota).

F_qual: Critérios de conformidade e qualidade do item.

F_amb: Fatores de impacto ao ambiente ou segurança da operação.

O retorno classifica o resultado final entre as zonas:

🟢 Zona Verde (Operação Normal / Baixo Risco)

🟡 Zona Amarela (Atenção / Risco Moderado)

🔴 Zona Vermelha (Crítico / Ação Imediata)

📝 Licença

Este projeto está sob a licença MIT. Veja o arquivo LICENSE.txt para mais detalhes.

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

fior_analytics-1.0.2.tar.gz (5.5 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

fior_analytics-1.0.2-py3-none-any.whl (5.7 kB view details)

Uploaded Python 3

File details

Details for the file fior_analytics-1.0.2.tar.gz.

File metadata

  • Download URL: fior_analytics-1.0.2.tar.gz
  • Upload date:
  • Size: 5.5 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.2.0 CPython/3.12.2

File hashes

Hashes for fior_analytics-1.0.2.tar.gz
Algorithm Hash digest
SHA256 ae1b6cc9330de686dbf6ca26e60e0b54ed0d4cd724c90bd6355b25ae08fef067
MD5 6369b64128a2694c28a135823097b45a
BLAKE2b-256 d97cbf6affd92f916b584ddc00f99a939e6badee435607e69657dce82fdc9592

See more details on using hashes here.

File details

Details for the file fior_analytics-1.0.2-py3-none-any.whl.

File metadata

  • Download URL: fior_analytics-1.0.2-py3-none-any.whl
  • Upload date:
  • Size: 5.7 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.2.0 CPython/3.12.2

File hashes

Hashes for fior_analytics-1.0.2-py3-none-any.whl
Algorithm Hash digest
SHA256 b49a22de4f4c9ad38f65286ebcb33a56cf21ec2db2fcee04b852e29eba5c81f2
MD5 eef9e816ed027a484ad713e15588ca59
BLAKE2b-256 ae707dc28efed83b246af15bdc52fc0809c0c01efda7fc0e0824905b608f9ba6

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page