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
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
Built Distribution
Filter files by name, interpreter, ABI, and platform.
If you're not sure about the file name format, learn more about wheel file names.
Copy a direct link to the current filters
File details
Details for the file fior_analytics-1.0.1.tar.gz.
File metadata
- Download URL: fior_analytics-1.0.1.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
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
34966320a15261030937442150c9da76c33b8c51904ef8d6726c9c29e8c17eb2
|
|
| MD5 |
b8029ce44763f9c2e841c3b925bcd0f6
|
|
| BLAKE2b-256 |
3fb824e5b5f94928667dc40ae3419861a5a18325e8ac0aa02c341ad8b8891760
|
File details
Details for the file fior_analytics-1.0.1-py3-none-any.whl.
File metadata
- Download URL: fior_analytics-1.0.1-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
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
aef52cfab9d7f0025e4e96b64ae279e45fb9f386283d7d20e6497bc5ea04ca94
|
|
| MD5 |
a3af9f25ca49c5dafcb8bac642e2895c
|
|
| BLAKE2b-256 |
358486f3a9c506d31562271524c8effb0526b34c6f07164738a102a1ec8429ce
|