Predição de Custos Ocultos na Indústria Moveleira Integrando Métodos Determinísticos e Inteligência Artificial

Resumo

A indústria moveleira brasileira, formada majoritariamente por micro e pequenas empresas, enfrenta desafios relacionados à eficiência produtiva e à mensuração de perdas. Entre eles destacam-se os custos ocultos, que não são registrados pelos métodos contábeis tradicionais, mas impactam diretamente a competitividade. Este estudo tem como objetivo propor e aplicar um modelo de identificação e predição desses custos no setor de furação de uma indústria moveleira, integrando métodos determinísticos e técnicas de inteligência artificial. Primeiramente, os custos ocultos foram apurados de forma convencional, com base em dados operacionais. Em seguida, aplicou-se o algoritmo Random Forest no software Orange Data Mining para estimar os mesmos custos. O modelo apresentou indicadores de desempenho satisfatórios (RMSE = 16,10; MAE = 6,39; MAPE = 4,77%; R2 = 0,931), demonstrando boa precisão e elevada capacidade explicativa. A comparação entre os resultados convencionais e preditivos mostrou diferenças inferiores a 3%, reforçando a consistência da abordagem. Os achados indicam que o uso de machine learning pode complementar os métodos tradicionais de custeio, permitindo estimativas rápidas e confiáveis de custos ocultos. Conclui-se que a integração entre cálculos determinísticos e análise preditiva representa uma alternativa promissora para apoiar decisões de planejamento, precificação e melhoria contínua na indústria moveleira.