Modelo de planejamento da produção em uma cervejaria artesanal: uma abordagem baseada em pesquisa operacional e aprendizado de máquina

Abstract

A competitividade crescente no setor de cervejas artesanais impõe desafios relevantes ao planejamento da produção, exigindo maior previsibilidade e eficiência no uso de recursos. Diante disso, uma cervejaria em Brasília enfrentou dificuldades no planejamento de sua produção, principalmente pelo não controle preditivo estruturado, o que resultou em flutuações entre excesso e falta de produto, em que prejudicou tanto o desempenho operacional quanto a saúde financeira da empresa. Neste contexto, este trabalho propõe uma solução analítica baseada na combinação de técnicas de aprendizado de máquina e modelos matemáticos de otimização, com o objetivo de apoiar o processo decisório de uma cervejaria artesanal localizada em Brasília. A metodologia adotada seguiu uma abordagem indutiva, quantitativa, aplicada, com caráter descritivo-exploratório e interventivo, utilizando dados históricos de vendas para treinar modelos de previsão de demanda. Dentre os algoritmos avaliados, o XGBoost apresentou o melhor desempenho, com coeficiente de determinação de 84% e erro percentual médio de 0,19. As previsões geradas foram utilizadas como insumo para um modelo de otimização que considerou restrições operacionais e buscou maximizar o lucro da empresa. Como resultado, obteve-se uma proposta de produção de 9.367,80 litros para o horizonte de seis meses, com lucro estimado em R$ 23.606,86, além da identificação do tempo produtivo como principal gargalo. A pesquisa demonstra que a integração entre previsão de demanda e técnicas de Pesquisa Operacional contribui para decisões mais assertivas, redução de perdas e otimização do sistema produtivo em pequenas cervejarias.