Purpose: Poultry farming is important to Nigeria’s economy in providing employment opportunities for many Nigerians. Studies on poultry workers' exposure to ergonomic risks causing musculoskeletal discomfort are sparse. The study aim to assess prevalence of ergonomic risk musculoskeletal discomfort among poultry workers using combined Cornell Musculoskeletal Discomfort Questionnaire (CMDQ) and Rapid Entire Body Assessment (REBA). Design/methodology/approach: A purposively selected seventy-two poultry workers in Ibadan, Nigeria, participated in this study. Socio-demographic data including gender, age, working hours, work experience, and daily tasks were collected. The CMDQ was used to determine discomfort levels in various body regions, while REBA was employed to evaluate the ergonomic risks associated with their working postures. Findings: It was revealed that poultry workers frequently experience discomfort in the lower back, shoulders, knees, and upper back, with varying severity levels. The CMDQ revealed that some workers reported mild to severe discomfort in key body areas, which may impact productivity and overall well-being of the workers. The REBA scores revealed that 65.3% of the workers faced medium ergonomic risk, 29.1% faced high risk, 2.8% faced low risk, and 2.8% faced very high risk, necessitating various categories of interventions. Research, practical & social implications: There is need for urgent ergonomic intervention in poultry farming operations studied. This may require workstation redesign, ergonomic training, posture correction, and regular health assessments to reduce ergonomics risk. These measures if implemented will enhance worker safety, reduce musculoskeletal discomfort, and improve overall productivity of poultry workers.
O estudo analisou a maturidade do processo de Sales and Operations Planning (S&OP) em uma indústria de injeção plástica localizada em Maringá–PR, com o objetivo de identificar oportunidades de melhoria e fortalecer o alinhamento estratégico e funcional. A pesquisa fundamentou-se em revisão da literatura sobre S&OP e modelos de maturidade, com ênfase na integração entre oferta e demanda. Adotou-se o método de estudo de caso, com coleta de dados por meio de entrevistas, questionários, reuniões gerenciais e análise qualitativa, comparando os achados empíricos ao referencial teórico. Os resultados indicaram que o S&OP apresenta potencial como ferramenta de gestão integrada, evidenciando o nível de maturidade do processo, pontos de melhoria e avanços na comunicação interfuncional e no alinhamento estratégico-operacional. O estudo contribui com subsídios práticos para a evolução do S&OP em contextos industriais, destacando sua aplicação no setor de injeção plástica. Referencial Teórico: O estudo fundamenta-se em uma revisão de literatura sobre conceitos de Sales and Operations Planning (S&OP) e modelos de maturidade aplicáveis ao processo, com foco na integração entre oferta e demanda e na sinergia entre áreas funcionais dentro das organizações. Metodologia/Abordagem: O trabalho utiliza o método de estudo de caso, com coleta de dados por meio de reuniões com a Gerência Industrial e a Auditoria de Processos, entrevistas, questionários e análise qualitativa. Os dados empíricos foram comparados ao referencial teórico para avaliação do nível de maturidade do S&OP na empresa. Resultados: Os resultados indicam que o S&OP tem potencial para ser uma ferramenta eficaz de gestão integrada. A análise revelou o nível de maturidade do processo na empresa e identificou pontos de melhoria, além de evidenciar ganhos na comunicação interfuncional e no alinhamento estratégico-operacional. Contribuições, implicações práticas e sociais: O estudo contribui para o aprimoramento da gestão operacional, reforça a importância do S&OP como ferramenta de integração organizacional e fornece subsídios práticos para a evolução do processo em empresas industriais. Socialmente, melhora a coordenação entre áreas, impactando positivamente a competitividade empresarial. Originalidade/Valor: A pesquisa se destaca por aplicar um modelo de maturidade do S&OP em um contexto industrial específico, oferecendo uma análise prática e aprofundada, com foco na realidade brasileira e no setor de injeção plástica.
Objective: This study aims to propose strategic guidelines to foster systematic innovation in public institutions. It seeks to address how public organizations can overcome barriers to continuous innovation and enhance service delivery and societal value. Design/Methodology/Approach: The research employs an integrative literature review on Knowledge Management (KM), Organizational Learning (OL), and public sector innovation to identify institutional barriers to innovation and propose guidelines and strategies to mitigate them. Empirical evidence was gathered from institutional surveys and focus groups with employees in a Brazilian forensic institution, enabling a comprehensive understanding of the challenges and opportunities for innovation in this context. Findings: The analysis reveals key obstacles to innovation, including administrative constraints and the pressure to process large case volumes. The study proposes strategies centered on strategic leadership, continuous learning, knowledge sharing, external collaboration, and effective information technology (IT) use to foster innovation and ensure organizational adaptability. Research Limitations: The findings are based on a single case study, which may limit generalizability to other public institutions. Further research across different contexts is needed to validate and expand the proposed guidelines. Practical Implications: The proposed strategies offer actionable pathways for public institutions, particularly in forensic sciences, to enhance innovation capacity, improve operational efficiency, and increase societal value. Originality/Value: By integrating theoretical insights on KM and OL with empirical data from a public sector case study, this research provides a comprehensive framework for overcoming innovation barriers in public institutions, contributing both to academic literature and practical policy design.
Objetivo: O objetivo deste trabalho foi avaliar modelos de aprendizado de máquina (ou machine learning, ML) para estimar descontos ofertados em licitações de itens da cesta básica nacional, realizando posteriormente uma análise sobre os atributos mais relevantes dentro destes estimadores. Referencial Teórico: Os modelos de ML podem ser aplicados em vários contextos, incluindo áreas da engenharia, medicina, saúde pública, economia, entre outros. Estes algoritmos podem encontrar padrões ocultos que técnicas tradicionais da estatística podem ser incapazes de detectar, tornando-os propício para análises preditivas e interpretativas quanto às características dos descontos ofertados em licitação de itens da cesta básica. Metodologia/Abordagem: Foram utilizados os algoritmos Random Forest, XGBoost e Redes Neurais Artificiais, e avaliadas pelo erro absoluto médio e pela raiz do erro quadrático médio. Os dados foram obtidos junto ao Tribunal de Contas do Estado do Paraná e incluíram 18 itens da cesta básica. Resultados: Em geral, o modelo XGBoost apresentou os melhores resultados quanto aos erros para os itens avaliados na cesta básica. Já para os atributos mais relevantes, entendeu-se que a variável “quantidade” dos itens “pão” e “manteiga” foram as mais importantes para se estimar o desconto, enquanto o “ano de homologação” do pedido foi importante para estimar o desconto do “óleo de soja”, “pão francês”, “carne bovina”, “arroz” e “feijão”. Contribuições, implicações práticas e sociais: Estes modelos podem fornecer informações relevantes para gestores e órgãos fiscalizadores, auxiliando no planejamento orçamentário, detecção de fraudes e negociação de preços em licitações, contribuindo para uma gestão pública mais econômica e transparente. Porém, verificou-se que os modelos foram limitados para estimar o valor do desconto em situações de grandes picos de variação. Originalidade/Valor: A partir da etapa do pré-processamento, sugere-se uma análise profunda quanto ao sistema que disponibiliza os dados, pois os arquivos estão subdivididos e não padronizados, fazendo com que pessoas fora da academia ou do mundo corporativo tenham dificuldades em extraí-los. Os modelos de ML podem auxiliar gestores públicos, no atendimento aos princípios e tendências trazidos pela Nova Lei de Licitações, em um mercado que representa 12% do PIB nacional.
Objetivo: O desenvolvimento de empresas na indústria de transformação e determinar a sua viabilidade é desafiador. Este artigo revisa as metodologias mais aplicadas com o propósito de facilitar a tomada de decisão de investimentos na alocação de recursos na cadeia de suprimentos. Metodologia/Abordagem: A metodologia PRISMA 2020 foi aplicada, usando como fonte as bases Web of Science e Scopus, analisando artigos de 2010 a 2024 e seguindo critérios de inclusão e exclusão de artigos rigorosamente descritos e executados. Resultados: O estudo contemplou 16 artigos, extraindo exaustivamente metadados bibliográficos e detalhando principalmente de forma minuciosa as metodologias aplicadas em cada estudo. Determinando abordagens como métodos mais usados, variáveis, objetivos principais, objetivos de otimização e métodos para validação dos resultados. Contribuições, implicações práticas e sociais: Este artigo identificou abordagens dominantes e lacunas de pesquisas na sua área de escopo, fornecendo um guia para pesquisadores interessados em estudos na relação entre riscos na cadeia de suprimentos e investimentos. Os resultados auxiliam na tomada de decisão e indicam os métodos mais utilizados para a avaliação de investimentos. Originalidade/Valor: O artigo contribui com a consolidação de conhecimentos de métodos de análise de risco e viabilidade econômica, destacando também a aplicação dessas ferramentas na indústria de transformação. Esta revisão sistemática aponta direções para futuras pesquisas e o desenvolvimento da área.
