Os Prognósticos de Seleção
Os Prognósticos de Seleção
Na última postagem, tratei sobre os diagnósticos de causa-efeito e sua entrega de valor para tomadas de decisão (https://www.go44.co/os-diagnosticos-de-causa-efeito/). Pretendia falar dos questionários de maturidade do tipo cliente e consultor (provavelmente dividindo em dois textos) a partir de hoje, mas quero abordar sobre os algoritmos de seleção utilizados para mapear as soluções aos problemas identificados nos resultados dos diagnósticos já descritos. O motivo desta mudança é que estou trabalhando na finalização da minha tese de doutorado e estou trabalhando na análise dos dados que saíram dos algoritmos de seleção de portfólio de projetos digitais. Talvez, após a minha defesa, eu trarei alguns dados aqui para discussão, mas antes quero falar brevemente sobre como a Go44 Transformação Digital vem trabalhando com este tipo de solução. Pela natureza das empresas de nossos clientes, este tipo de abordagem de seleção fica mais no âmbito interno das empresas tendo pouca abertura para novidades ou ferramentas auxiliares. Pode ser por isso que conseguimos utilizar o algoritmo de seleção em dois clientes sendo um deles uma indústria automotiva (cuja análise foi mais acadêmica) e o estudo de caso de implementação da metodologia Lean Healthcare (já comentado em postagens anteriores e que será mais bem descrito neste texto). Na plataforma da Go44, atualmente, temos somente um algoritmo de seleção implantado. Almejamos, em médio prazo, inserir mais um de característica criteriosa utilizando funções de preferência pré-definidas. Até aventamos uma parceria com uma outra universidade brasileira que construiu um novo algoritmo, refinando um já existente, porém carece de uma estrutura de frontend mais adequada e amigável ao usuário. Portanto, há muito a ser feito e trabalhado nos algoritmos de seleção – sem falar da possibilidade de integração com outros algoritmos mais avançados, como os gerados por Inteligência Artificial.
Em relação ao estudo de caso da implementação do Lean Healthcare em uma Unidade de Pronto Atendimento (UPA), foram listadas 45 ações para superar os 16 obstáculos mensurados pelos algoritmos de priorização e causa-efeito realizados previamente. Estas ações são oriundas de discussões com a equipe executora do projeto baseado nas observações feitas in loco na UPA da cidade de Gurupi (TO) em 04/2023. O algoritmo de seleção trata como critério os obstáculos que queremos superar pelas ações propostas, que são tratadas pelo algoritmo de seleção como alternativas. Diante de uma escala que varia de 01 (muito baixo) a 05 (muito alto), faz-se a análise entre as ações que mais impactam e superam os obstáculos existentes. Ressalta-se que os obstáculos trazem consigo os pesos obtidos das análises dos algoritmos de priorização e causa-efeito da etapa diagnóstica – e isto tem significativo impacto na análise. Ao todo, temos uma matriz de 45×16 que totaliza em 720 análises a serem realizadas. Estas análises foram feitas em 3 dias distintos cujo total de horas somadas foi de aproximadamente 07h00. Ao final, obtivemos as seguintes 10 ações mais bem ranqueadas: (1) “Treinar pessoal sobre rotinas das POPs relacionando-as com a metodologia Lean”; (2) “Treinamento de comunicação e de gestão às pessoas chave da UPA”; (3) “Capacitar os profissionais que atuam nesta área, especialmente sobre 5S”; (4) “Benchmarking com outra unidade de saúde de referência para entender como “melhor receber” os pacientes em um cenário de impaciência destes”; (5) “Abertura, por parte dos gestores, de proposição de novas ideias de mudança para a UPA”; (6) “Incentivar gestores a comunicar resultados gerados pelas mudanças dentro da UPA”; (7) “Gestão visual na organização de medicações e insumos por cores”; (8) “Mudança de layout na sala de medicação seguindo os padrões Lean”; (9) “Mapear o fluxo de valor dos processos da Sala de Observação para ter uma melhor visão de como estão os tempos em cada etapa dos processos”; e (10) “Sinalização física e/ou virtual de baixo nível de estoque dos medicamentos em cada setor da UPA”. Após executada esta análise, parte-se para o desdobramento destas ações via ferramenta 5W2H, que também está presente na plataforma Go44 dentro do Módulo Roadmap, para assim organizar a estrutura de roadmap de implementação do Lean Healthcare.
A maioria dos algoritmos de seleção seguem o mesmo procedimento exposto no parágrafo anterior. Alguns possuem características específicas como análise de sensibilidade e análise de restrições (e.g. custos, lead time, entre outras). No framework LIN4EIA, que estou propondo em minha pesquisa de doutorado, eu faço estas análises e proponho uma solução para ranquear os projetos digitais sob a ótica de impacto dos KPIs, de impacto das barreiras de interoperabilidade, de custos de execução e de relação de causa-efeito dos projetos digitais em um gráfico 2D. Baseado nesta informações, gera-se um roadmap de implementação de projetos digitais fazendo uso de tecnologias da Indústria 3.0 e 4.0 e das ferramentas de Lean Manufacturing. Mais detalhes sobre isso somente após a minha defesa. Em um futuro não muito distante, pretendo implementar esta metodologia dentro da plataforma Go44.
