Projeto Atingir MRF
Diretoria de Supply Chain — Belgo Arames — 2026. Objetivo: atingir ou superar, de forma recorrente, o MRF por meio do alinhamento entre as áreas da empresa.
Aderência MRF 2025
95,0%
Meta ≥ 100% · Atingido 1× em 12 meses
MAPE 2025
25,0%
Meta 20,0% · Precisão de previsão
KPIs Mapeados
14
5 OK · 6 a calcular · 3 a desenvolver
Desvio Médio Mensal
−2 kt
Outliers jun/dez: −5,4 kt (−13%)
% Aderência ao MRF — 2025 (Expedição vs MRF)
Problema e Oportunidade
Em 2025, o MRF foi atingido apenas uma vez ao longo do ano (outubro), com média anual de aderência Expedição/MRF de 95%. A baixa recorrência no atingimento do MRF evidencia baixa acuracidade na previsão de vendas e na execução. Na média, o MRF mensal não foi cumprido em 2 kt (−5%). Outliers em junho e dezembro com média de 5,4 kt (−13%).
Objetivo Estratégico
Atingir ou superar, de forma recorrente, o MRF por meio do alinhamento entre as áreas da empresa em torno do compromisso de revisão dos processos de previsão de demanda, planejamento de produção, controle e execução em todos os elos da cadeia logística da Belgo em 2026.
Aprimorar a gestão atual do MRF, definindo uma árvore de indicadores como mecanismo de controle, tratamento de desvios e priorização que reduzam a variabilidade entre o volume planejado e o realizado. Direcionar a alocação de capacidade produtiva e disponibilidade de estoques para suportar o atendimento das oscilações, com foco em estabilidade operacional e captura da demanda prevista.
Escopo do Projeto
In Scope
- Estruturação e implementação da árvore de indicadores do MRF
- Definição de metas e responsáveis pelos indicadores da cadeia
- Revisão dos Processos e Rituais (S&OP e S&OE)
- Sistemas: nova solução para previsão de demanda e dashboards reativos, preventivos e preditivos
- Estruturação da governança do MRF (Comercial, Planejamento, Produção, Logística e Financeiro)
Out of Scope
- Execução direta e contínua dos processos (permanece sob responsabilidade das gerências)
- Responsabilidade direta pela melhoria de performance dos indicadores das áreas
Critérios de Sucesso
Quantitativos
- Expedição do MRF ≥ 100% (mensal)
- MAPE (meta TBD)
- Fill Rate (meta TBD)
Qualitativos
- Maior previsibilidade operacional
- Fortalecimento do processo de S&OP
- Maior credibilidade do plano
Arquitetura de Solução
Visão integrada dos sistemas, fluxos de dados e gaps identificados para o projeto Atingir MRF.
Visão Geral da Arquitetura (5 Camadas)
Conceito: A arquitetura é organizada em 5 camadas — dos sistemas-fonte (dados brutos) até os consumidores finais (rituais de decisão). Cada camada tem responsabilidade única, permitindo evolução independente e substituição de componentes sem impacto nas demais.
Consumidores
Comitê ExecutivoDiretores · Mensal · Dashboard Estratégico
Squad TáticoGerentes · Quinzenal · Alertas + Drill-down
PMOSemanal · Status do Projeto + Riscos
Operação S&OEDiário · KPIs Operacionais + Ações
Apresentação
Torre de Controle MRFReact + TypeScript · SPA
Camada ReativaKPIs consolidados · O que aconteceu
Camada PreventivaAlertas + thresholds · O que está em risco
Camada PreditivaML + cenários · O que vai acontecer
Power BI EmbeddedRelatórios complementares · Licenças existentes
Lógica
API GatewayNode.js + Express · REST/GraphQL
Motor de KPIsCálculo · 14 indicadores · Fórmulas configuráveis
Motor de AlertasRegras de negócio · Thresholds · Notificações
Modelos PreditivosPython · Prophet · scikit-learn
Cache de DadosRedis · TTL por tipo de KPI
Integração
SAP CPIOrquestração · iFlows · Mapeamento
APIs OData (BW)Queries analíticas · 4x/dia
RFC Gateway (ECC)Eventos real-time · Bloqueios · Expedição
Salesforce RESTPipeline · Forecast · Diário
PostgreSQL + ETLData Store intermediário · Airflow
Fontes
SAP ECCERP · SD, MM, PP, FI · Transacional
SAP IBPDemand Planning · Supply Planning · S&OP
SAP SCM/PPDSSequenciamento · MRP · Ordens MTS
SAP BWData Warehouse · Cubos · InfoProviders
SAP BOPPlano Operacional · Alocação de Recursos
SalesforceCRM · Pipeline · Forecast Comercial
Power BIBI Atual · Boletim Online · 5 KPIs
Fluxo de Dados por Processo
S&OP (Mensal) — Fluxo de Planejamento
Salesforce Forecast Comercial (pipeline + histórico)
↓ API REST · Diário · Dados de oportunidades e previsão de vendas
SAP IBP Demand Planning — geração de forecast consensual
↓ Processo S&OP · Ajustes por restrições de capacidade e estoque
SAP IBP Demanda Restrita (MRF) — target mensal aprovado
↓ CIF/CPI · Semanal · Publicação de demanda para produção
SAP SCM Plano de Produção MTS — ordens planejadas por linha
↓ Consolidação de todos os dados no motor de KPIs
Torre MRF KPIs: Atingimento MRF, MAPE, Forecast Accuracy, Aderência Demanda Restrita
↓ API REST · Diário · Dados de oportunidades e previsão de vendas
SAP IBP Demand Planning — geração de forecast consensual
↓ Processo S&OP · Ajustes por restrições de capacidade e estoque
SAP IBP Demanda Restrita (MRF) — target mensal aprovado
↓ CIF/CPI · Semanal · Publicação de demanda para produção
SAP SCM Plano de Produção MTS — ordens planejadas por linha
↓ Consolidação de todos os dados no motor de KPIs
Torre MRF KPIs: Atingimento MRF, MAPE, Forecast Accuracy, Aderência Demanda Restrita
S&OE (Semanal / Diário) — Fluxo de Execução
SAP ECC Ordens de Venda (SD) / Expedição / Estoque (MM)
↓ RFC Gateway · Eventos de bloqueio, crédito e expedição real
SAP SCM/PPDS Sequenciamento detalhado por linha e bitola
↓ Produção real vs planejada · Bitola equivalente por GP
SAP ECC Produção Real (PP) / Bloqueios Qualidade / Bloqueios Cliente
↓ Extratores ABAP · Diário · Dados de eficiência e desvios
SAP BW Consolidação em cubos analíticos + Service Degree
↓ OData · 4x/dia · Queries otimizadas para o motor de KPIs
Torre MRF KPIs: Fill Rate, Ritmo Expedição, Disponibilidade, Not Service Degree, Bloqueios
↓ RFC Gateway · Eventos de bloqueio, crédito e expedição real
SAP SCM/PPDS Sequenciamento detalhado por linha e bitola
↓ Produção real vs planejada · Bitola equivalente por GP
SAP ECC Produção Real (PP) / Bloqueios Qualidade / Bloqueios Cliente
↓ Extratores ABAP · Diário · Dados de eficiência e desvios
SAP BW Consolidação em cubos analíticos + Service Degree
↓ OData · 4x/dia · Queries otimizadas para o motor de KPIs
Torre MRF KPIs: Fill Rate, Ritmo Expedição, Disponibilidade, Not Service Degree, Bloqueios
Modelo de Maturidade Analítica — 3 Camadas
Evolução progressiva: A Torre de Controle será implementada em 3 camadas de maturidade analítica. Cada camada adiciona capacidades sobre a anterior, permitindo entrega de valor incremental e validação antes de avançar.
Camada 1 — Reativa
O que aconteceu?
Dashboards de KPIs consolidados com drill-down por segmento, GP, material e cliente. Atualização 4x/dia via SAP BW.
Fontes: SAP BW (OData), SAP ECC (extratores)
Tecnologia: React + Recharts + Power BI Embedded
Timeline: Sprints 1-4 (Abr-Jun/2026)
Valor: Visibilidade unificada — fim dos relatórios fragmentados
Dashboards de KPIs consolidados com drill-down por segmento, GP, material e cliente. Atualização 4x/dia via SAP BW.
Fontes: SAP BW (OData), SAP ECC (extratores)
Tecnologia: React + Recharts + Power BI Embedded
Timeline: Sprints 1-4 (Abr-Jun/2026)
Valor: Visibilidade unificada — fim dos relatórios fragmentados
Camada 2 — Preventiva
O que está em risco?
Motor de alertas com regras de negócio configuráveis. Notificações quando KPIs cruzam thresholds. Tendências e semáforos.
Fontes: Camada 1 + eventos real-time (RFC/Webhook)
Tecnologia: Motor de regras Node.js + Redis pub/sub
Timeline: Sprints 5-8 (Jul-Ago/2026)
Valor: Ação antes do desvio — redução de tempo de reação de dias para horas
Motor de alertas com regras de negócio configuráveis. Notificações quando KPIs cruzam thresholds. Tendências e semáforos.
Fontes: Camada 1 + eventos real-time (RFC/Webhook)
Tecnologia: Motor de regras Node.js + Redis pub/sub
Timeline: Sprints 5-8 (Jul-Ago/2026)
Valor: Ação antes do desvio — redução de tempo de reação de dias para horas
Camada 3 — Preditiva
O que vai acontecer?
Modelos de machine learning para previsão de aderência futura, cenários what-if e recomendações. Requer 12+ meses de dados.
Fontes: Camadas 1+2 + dados históricos (24 meses)
Tecnologia: Python + Prophet + scikit-learn
Timeline: Sprints 9-11 (Set-Out/2026)
Valor: Planejamento preditivo — antecipar problemas antes que aconteçam
Modelos de machine learning para previsão de aderência futura, cenários what-if e recomendações. Requer 12+ meses de dados.
Fontes: Camadas 1+2 + dados históricos (24 meses)
Tecnologia: Python + Prophet + scikit-learn
Timeline: Sprints 9-11 (Set-Out/2026)
Valor: Planejamento preditivo — antecipar problemas antes que aconteçam
Gaps Identificados e Desenvolvimentos Necessários
Torre de Controle MRF (Nova Plataforma) — Aplicação web para visão transacional integrada dos 14 KPIs, com dashboards reativos, preventivos e preditivos. Proposta técnica: React + Node.js + API Gateway consumindo dados dos sistemas SAP via BW/CPI. A plataforma consolida dados de 7 sistemas em uma única interface de decisão.
| Gap | Descrição | Impacto no MRF | Ação | Responsável | Prioridade |
|---|---|---|---|---|---|
| IBP: Bitola Equivalente por GP | IBP tem informação por Centro de Trabalho, precisa a nível de GP para refletir a complexidade real da fábrica | Plano de produção desconectado da realidade fabril — causa desvios de -3% a -5% no MRF | Configuração SAP IBP + workshop com Produção | Rodrigo K + TI | Crítica |
| IBP: Subida Mensal | Atualização mensal do IBP com dados mestres e transacionais está desatualizada em relação ao ECC | Forecast baseado em dados defasados — impacta MAPE e demanda restrita | Job de integração ECC→IBP automatizado | TI (Waltamir) | Alta |
| IBP × SCM: Publicação MTS | Publicação de demandas IBP no SCM com ordens planejadas MTS não está automatizada | Delay de 2-3 dias entre planejamento e execução | Integração IBP→SCM via CIF/CPI | Consultor SAP | Alta |
| SCM × SD: Motivo Postergação | Não há código automático de motivo quando ordens são postergadas | Sem rastreabilidade de causas de atraso — dificulta análise root cause | Desenvolvimento ABAP + Config SD | Consultor SAP SD | Média |
| BW: Service Degree Net | Cálculo de Service Degree Net não segue padrão Bekaert (referência global) | KPI de serviço não comparável com benchmark da holding | Ajuste de query BW + validação com Bekaert | Consultor BW | Média |
| 6 KPIs a Calcular | Fill Rate, Cut-off, Aderência Ritmo, Demanda Restrita, Disponibilidade, Not Service Degree | Sem esses KPIs, 43% da árvore de indicadores fica cega | Desenvolvimento BW/BI + validação com áreas | Consultor BW/BI + PO | Alta |
| 3 KPIs a Desenvolver | Forecast Accuracy, Aderência Política de Estoque, Volume com Bloqueio Qualidade/Cliente | KPIs de nível 4 necessários para diagnóstico operacional | Novo desenvolvimento ABAP + BW | Dev ABAP + BW | Alta |
| Torre de Controle Digital | Plataforma unificada de monitoramento MRF com 3 camadas (Reativo/Preventivo/Preditivo) | Sem consolidação, cada área opera com sua própria versão da verdade | Desenvolvimento full-stack React + Node.js | Dev Frontend + Backend | Crítica |
| Integração Salesforce | Pipeline e forecast comercial não alimentam automaticamente o IBP | Forecast comercial chega atrasado e manual ao planejamento | API REST Salesforce → IBP via CPI | Consultor Salesforce + TI | Média |
| Dashboards Preditivos | Modelos ML para previsão de desvios futuros e cenários what-if | Planejamento reativo — correções sempre depois do fato | Data Science: Python + Prophet | Data Scientist | Média |
Stack Técnica Proposta — Torre de Controle
| Camada | Tecnologia | Função | Justificativa |
|---|---|---|---|
| Frontend | React.js + TypeScript + Recharts/D3.js | Interface de usuário, dashboards interativos, drill-down por segmento/GP/cliente | Componentização, tipagem forte, ecossistema maduro. Recharts para gráficos declarativos. |
| Backend API | Node.js + Express | API REST, motor de cálculo de KPIs, orquestração de alertas | Performance para APIs high-throughput. Mesmo ecossistema JS do frontend. |
| Modelos ML | Python + FastAPI + Prophet + scikit-learn | Microserviço preditivo: forecast, cenários, recomendações | Python é padrão para ML. FastAPI expõe modelos como REST API. |
| Integração SAP | SAP CPI / API Gateway | Orquestração de APIs SAP (RFC/OData), transformação, retry | CPI é nativo SAP, suportado pela Belgo. Reduz complexidade de integração. |
| Integração CRM | Salesforce REST API | Pipeline comercial, forecast de vendas, aceite de pedidos | API REST padrão Salesforce. Jobs agendados via Airflow. |
| Data Store | PostgreSQL 15+ | Armazenamento intermediário de KPIs calculados, histórico 24 meses | Robusto, gratuito, suporte a JSON e particionamento por data. |
| Cache | Redis 7+ | Cache de KPIs pré-calculados, pub/sub para alertas real-time | Resposta <3s. TTL configurável por tipo de KPI (1h para diário, 5min para real-time). |
| ETL | Apache Airflow + SAP BW Extractors | Pipelines de extração (4x/dia), transformação, validação de qualidade | Airflow para orquestração; extractors BW para dados SAP com menor impacto no ECC. |
| BI Complementar | Power BI Embedded | Relatórios ad-hoc para usuários que já conhecem Power BI | Reaproveita licenças existentes. Complementar à Torre de Controle, não substituto. |
| Infra | Docker + Kubernetes (Azure AKS) | Containerização, orquestração, auto-scaling, alta disponibilidade | Deploy consistente entre ambientes. Azure pela relação existente Belgo/Microsoft. |
| Monitoramento | Grafana + Prometheus | Monitoramento de saúde da plataforma, SLA de disponibilidade, alertas técnicos | Stack open-source padrão. Dashboards de infra separados dos de negócio. |
Decisões Arquiteturais (ADRs)
ADR-001: Plataforma customizada vs BI pronto
Decisão: Plataforma customizada com Power BI complementar.
Motivo: Alertas proativos, modelos preditivos e integração real-time com SAP não são viáveis apenas com Power BI. A Torre de Controle faz o que BI tradicional não faz; Power BI complementa para relatórios ad-hoc.
Trade-off: Maior custo de desenvolvimento inicial, mas maior valor a longo prazo e independência de vendor.
Motivo: Alertas proativos, modelos preditivos e integração real-time com SAP não são viáveis apenas com Power BI. A Torre de Controle faz o que BI tradicional não faz; Power BI complementa para relatórios ad-hoc.
Trade-off: Maior custo de desenvolvimento inicial, mas maior valor a longo prazo e independência de vendor.
ADR-002: Cache Redis vs consulta direta ao BW
Decisão: KPIs pré-calculados em Redis, atualizados 4x/dia via Airflow.
Motivo: Queries BW com 14 KPIs + estratificações levariam >10s. Com cache Redis, resposta <1s. BW não suporta 50 usuários simultâneos com queries complexas.
Trade-off: Dados com latência máxima de 6h (aceitável para S&OP/S&OE). Eventos críticos (bloqueios) via webhook real-time.
Motivo: Queries BW com 14 KPIs + estratificações levariam >10s. Com cache Redis, resposta <1s. BW não suporta 50 usuários simultâneos com queries complexas.
Trade-off: Dados com latência máxima de 6h (aceitável para S&OP/S&OE). Eventos críticos (bloqueios) via webhook real-time.
ADR-003: PostgreSQL vs SAP HANA
Decisão: PostgreSQL como data store intermediário da Torre de Controle.
Motivo: SAP HANA seria ideal, mas a Belgo opera com SAP ECC (não S/4HANA). HANA licenciamento adicional seria ~R$500k/ano. PostgreSQL é gratuito e suficiente para o volume (24 meses × 14 KPIs × 4 estratificações = ~500k registros).
Trade-off: Sem acesso direto aos dados SAP — requer ETL. Aceitável dado o modelo de cache.
Motivo: SAP HANA seria ideal, mas a Belgo opera com SAP ECC (não S/4HANA). HANA licenciamento adicional seria ~R$500k/ano. PostgreSQL é gratuito e suficiente para o volume (24 meses × 14 KPIs × 4 estratificações = ~500k registros).
Trade-off: Sem acesso direto aos dados SAP — requer ETL. Aceitável dado o modelo de cache.
ADR-004: Microserviço ML separado
Decisão: Modelos preditivos em microserviço Python separado do backend Node.js.
Motivo: Python é o padrão para ML (Prophet, scikit-learn). Separar permite escalar independentemente e evitar que treinamento de modelos impacte a API principal.
Trade-off: Complexidade operacional adicional (2 runtimes). Mitigado por containerização Docker.
Motivo: Python é o padrão para ML (Prophet, scikit-learn). Separar permite escalar independentemente e evitar que treinamento de modelos impacte a API principal.
Trade-off: Complexidade operacional adicional (2 runtimes). Mitigado por containerização Docker.
Árvore de Indicadores (KPIs)
14 KPIs em 4 níveis hierárquicos — 5 OK, 6 a calcular, 3 a desenvolver
Indicadores OK
5
Já existem e são calculados
A Calcular
6
Dados existem, fórmula a definir
A Desenvolver
3
Requer novo desenvolvimento
Árvore Hierárquica
1º Nível — Resultado
% Atingimento do MRF
Responsável: Adriano
% MAPE
Responsável: Adriano
2º Nível — Execução
% Fill Rate
Responsável: Adriano
Cut-off Mensal
Responsável: Adriano
% Aderência ao Ritmo de Expedição
Responsável: Adriano
3º Nível — Drivers
% Aderência à Demanda Restrita
Responsável: Randolpho
Disponibilidade de Produto
Responsável: Adriano
% Not Service Degree
Responsável: Adriano
4º Nível — Causas Raiz
% Forecast Accuracy
Responsável: Randolpho
% Aderência à Política de Estoque
Responsável: Adriano
% Aderência ao Plano de Produção
Responsável: Rodrigo K
% Volume com bloqueio qualidade/S
Responsável: Rodrigo K
% Volume com bloqueio de cliente
Responsável: Randolpho
% Volume com restrição de crédito
Responsável: Nilton
Matriz de Estratificação
| KPI | Ger. Comercial | Segmento | GP | Material | Cliente |
|---|---|---|---|---|---|
| % Atingimento MRF | ✓ | ✓ | ✓ | — | — |
| % MAPE | ✓ | ✓ | ✓ | — | — |
| % Fill Rate | ✓ | ✓ | ✓ | ✓ | ✓ |
| Cut-off Mensal | ✓ | ✓ | — | — | — |
| % Ader. Ritmo Expedição | ✓ | ✓ | ✓ | — | — |
| % Ader. Demanda Restrita | ✓ | ✓ | ✓ | — | — |
| Disponibilidade Produto | ✓ | ✓ | ✓ | — | — |
| % Not Service Degree | ✓ | ✓ | ✓ | ✓ | ✓ |
| % Forecast Accuracy | ✓ | ✓ | ✓ | — | — |
| % Ader. Política Estoque | ✓ | ✓ | ✓ | ✓ | — |
| % Ader. Plano Produção | ✓ | ✓ | ✓ | ✓ | — |
| % Vol. Bloqueio Qualidade | ✓ | ✓ | ✓ | ✓ | ✓ |
| % Vol. Bloqueio Cliente | ✓ | ✓ | ✓ | ✓ | ✓ |
| % Vol. Restrição Crédito | ✓ | ✓ | ✓ | ✓ | ✓ |
Mocks de Telas
Protótipos da plataforma Torre de Controle MRF — 6 telas principais
Tela 1 — Dashboard Executivo
Dashboard
KPIs
S&OP
S&OE
Alertas
Relatórios
Março 2026
Atingimento MRF
101,2%
MAPE
22,3%
Fill Rate
94,8%
Ritmo Expedição
92,1%
Tendência MRF (últimos 6 meses)
Top 5 Segmentos — Desvio MRF
| Agro | −4,2% | |
| Construção | −2,8% | |
| Industrial | −1,1% | |
| Automotivo | +0,5% | |
| Energia | +1,8% |
Tela 2 — S&OP: Planejamento vs Execução
Demanda Irrestrita (Salesforce)
42,5 kt
→
Demanda Restrita / MRF (IBP)
38,2 kt
→
Plano Produção (SCM)
39,0 kt
→
Expedido Real (ECC)
38,6 kt
Tela 3 — Central de Alertas e Desvios
CRÍTICO · Ritmo de Expedição abaixo da meta
GP Trefilados — Seg. Construção · Aderência: 88,3% · Impacto: −1,2 kt no MRF
Causa: Bloqueio qualidade lote #4521 + Manutenção não programada LT-03
ATENÇÃO · Estoque abaixo da política
Material 50100234 — Arame Recozido 18BWG · Cobertura: 3 dias (meta: 7 dias)
Ação sugerida: Antecipar OP #78432 em 2 dias
ATENÇÃO · Postergação detectada
Cliente XYZ Ltda · 3 ordens postergadas · Total: 0,8 kt · Motivo: Restrição de crédito
INFO · Forecast Accuracy acima da meta
Segmento Energia · Accuracy: 92,1% · +5pp vs mês anterior
Tela 4 — Fill Rate por Cliente / Material
| Cliente | Material | GP | Qtde Desejada | Qtde Expedida | Fill Rate | Status |
|---|---|---|---|---|---|---|
| Cliente ABC | Arame Farpado | GP-01 | 500 t | 500 t | 100% | |
| Cliente DEF | Arame Recozido | GP-02 | 300 t | 285 t | 95% | |
| Cliente GHI | Tela Soldada | GP-03 | 200 t | 160 t | 80% | |
| Cliente JKL | Pregos | GP-01 | 150 t | 148 t | 98,7% | |
| Cliente MNO | Cordoalha | GP-04 | 400 t | 340 t | 85% |
Mocks de Dashboards
Três camadas de visibilidade: Reativo, Preventivo e Preditivo
Dashboard Reativo: O que já aconteceu. Visão de resultados realizados vs planejados, análise de causas de desvios passados.
MRF Realizado
38,6 kt
+1,2% vs MRF
Desvio Absoluto
+0,4 kt
Meses ≥ 100%
3 / 3
Ader. Plano Produção
94,2%
Pareto de Desvios por Causa (Últimos 3 Meses)
Dashboard Preventivo: O que pode acontecer. Monitoramento em tempo real de sinais de alerta que precedem desvios no MRF.
RISCO ALTO
3
GPs com ritmo < 90%
RISCO MÉDIO
5
Materiais com estoque < política
RISCO BAIXO
12
GPs dentro do planejado
Projeção de Atingimento MRF (Dia Atual: D+12)
Expedido até hoje
22,4 kt
+
Carteira confirmada D+18
16,8 kt
=
Projeção total
39,2 kt
vs MRF (38,2 kt)
102,6%
Dashboard Preditivo: O que vai acontecer. Modelos de machine learning para projeção de cenários e detecção antecipada de riscos.
Cenário Otimista
103,5%
Probabilidade: 25%
Cenário Base
100,8%
Probabilidade: 55%
Cenário Pessimista
96,2%
Probabilidade: 20%
Fatores de Risco Identificados pelo Modelo
| Fator | Impacto Estimado | Probabilidade | Ação Recomendada |
|---|---|---|---|
| Parada LT-05 (manutenção programada) | −1,2 kt | 85% | Antecipar produção em 3 dias |
| Sazonalidade segmento Agro | +0,8 kt | 70% | Garantir estoque de arame farpado |
| Restrição crédito Top 5 clientes | −0,5 kt | 40% | Acionar Financeiro preventivamente |
Mapeamento de Sistemas
Origem dos dados, integração e gaps por sistema
Mapa de Sistemas × Dados × KPIs
| Sistema | Papel no MRF | Dados Fornecidos | KPIs Alimentados | Status |
|---|---|---|---|---|
| SAP ECC | ERP Transacional | Ordens de venda (SD), Expedição, Estoque (MM), Produção real (PP), Bloqueios qualidade, Restrição crédito (FI) | Atingimento MRF, Fill Rate, Ritmo Expedição, Ader. Plano Produção, Bloqueios, Restrição Crédito | Ativo |
| SAP IBP | Planejamento de Demanda | Forecast consensual, Demanda restrita (MRF), Bitola equivalente, Capacidade planejada | MAPE, Forecast Accuracy, Ader. Demanda Restrita | Com Gaps |
| SAP SCM/PPDS | Sequenciamento Produção | Ordens planejadas MTS, Sequenciamento detalhado, Plano de produção | Ader. Plano Produção, Disponibilidade Produto | Com Gaps |
| SAP BW | Data Warehouse | Cubos de vendas, Histórico expedição, Service Degree, Boletim Online | Not Service Degree, Todos (histórico) | Ativo |
| SAP BOP | Planejamento Operacional | Plano operacional detalhado, Alocação de recursos | Ader. Plano Produção | Ativo |
| Salesforce | CRM / Forecast Comercial | Pipeline comercial, Forecast de vendas, Carteira de clientes, Aceite de pedidos | Forecast Accuracy, MAPE (input), Fill Rate (demanda desejada) | Ativo |
| Power BI | BI / Dashboards Atuais | Boletim Online, Relatórios gerenciais, KPIs existentes | Visualização atual (5 KPIs OK) | Ativo |
| Torre de Controle MRF | Plataforma Integrada (NOVA) | Consolidação de todos os dados + alertas + preditivos | Todos os 14 KPIs + Dashboards | A Desenvolver |
Gaps de Integração Identificados
| De | Para | Gap | Impacto | Solução Proposta | Esforço |
|---|---|---|---|---|---|
| SAP ECC | SAP IBP | Latência de dados mestres/transacionais | Dados obsoletos no IBP | Job de sincronização mensal automatizado | Médio |
| SAP IBP | SAP IBP | Bitola equivalente por Centro de Trabalho, não por GP | Distorção na ocupação real | Configuração IBP para nível GP | Alto |
| SAP IBP | SAP SCM | Publicação de demandas MTS não integrada | Plano produção desconectado | Interface IBP→SCM para ordens planejadas | Alto |
| SAP SCM | SAP ECC (SD) | Motivo de postergação não automatizado | Falta rastreabilidade de desvios | Desenvolvimento ABAP/Config SD | Médio |
| SAP BW | Torre MRF | 6 KPIs sem cálculo definido | Visibilidade incompleta | Desenvolvimento de queries BW + extratores | Alto |
| SAP ECC | Torre MRF | 3 KPIs sem fonte de dados estruturada | KPIs de bloqueio/crédito inexistentes | Extratores customizados + lógica de cálculo | Alto |
| Salesforce | Torre MRF | Carteira com transit time e aceite não integrados | Fill Rate impreciso | API Salesforce → Data Lake → Torre MRF | Médio |
Roadmap e Cronograma
Timeline de entrega Fev–Dez 2026 com 3 workstreams
Visão Geral — Timeline
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Workstream 1: Indicadores
Árvore de Indicadores
Validação Indicadores
Priorização KPIs + Metas
Desenvolver BI KPIs Críticos
Workstream 2: Processos e Rituais
S&OP — Adequação
S&OE — Adequação
Revisão Drivers Produção
Workstream 3: Sistemas
Soluções Previsão Demanda
Integração IBP↔SCM (PPDS)
Torre de Controle MRF (React)
Dashboards Preditivos (ML)
Estabilização e Ajustes
Fases do Projeto
Fase 1: Discovery & Design
Fev–Mar 2026 (8 semanas)
- Validação árvore de indicadores
- Definição de metas e responsáveis
- Assessment de sistemas (gaps)
- Design de solução e arquitetura
- Prototipação de telas
Fase 2: Build & Test
Abr–Set 2026 (24 semanas)
- Desenvolvimento KPIs (BW/BI)
- Integração IBP↔SCM
- Desenvolvimento Torre de Controle
- Adequação S&OP / S&OE
- Testes integrados
Fase 3: Go-Live & Estabilização
Out–Dez 2026 (12 semanas)
- Go-live Torre de Controle
- Modelos preditivos (ML)
- Treinamento usuários
- Estabilização e ajustes finos
- Handover para operação
Marcos Críticos
| Marco | Data | Entregável | Dependência |
|---|---|---|---|
| Kick-off do projeto | Mar/2026 | Escopo aprovado, time definido | Definição PMO |
| KPIs validados com diretores | Abr/2026 | 14 KPIs com metas definidas | Reuniões individuais |
| MVP Torre de Controle | Jun/2026 | 5 KPIs OK no dashboard | Desenvolvimento React + BW |
| Integração IBP↔SCM funcional | Jul/2026 | Publicação MTS automatizada | Config IBP + SCM |
| 14 KPIs operacionais | Ago/2026 | Todos os KPIs calculados e visíveis | Desenvolvimento BW + React |
| S&OP / S&OE reformulados | Set/2026 | Novos rituais implementados | Adequação processos |
| Go-Live Torre de Controle | Out/2026 | Plataforma em produção | Testes + Treinamento |
| Modelos Preditivos ativos | Nov/2026 | Dashboard preditivo funcional | Histórico de dados + ML |
| Projeto encerrado | Dez/2026 | Handover + Lessons Learned | Estabilização |
Sprints e Backlog
12 sprints de 2 semanas (Abr–Set 2026) + fases pré e pós
Sprint 0 — Preparação (Mar 15–31)
Preparação- Setup do ambiente de desenvolvimento (React, Node.js, CI/CD)
- Definição da arquitetura técnica e padrões de código
- Provisionamento de acessos aos sistemas SAP (ECC, BW, IBP, SCM)
- Protótipo de alta fidelidade aprovado (Figma/Adobe XD)
- Definição do backlog priorizado com Product Owner
Sprint 1 (Abr 01–14) — Fundação
Build- Estrutura base do frontend React (layout, navegação, autenticação)
- API Gateway + conexão com SAP BW (RFC/OData)
- KPI: % Atingimento MRF — extração + cálculo + visualização
- KPI: % MAPE — extração + cálculo + visualização
- Dashboard executivo v1 (2 KPIs com dados reais)
Sprint 2 (Abr 15–28) — KPIs Nível 2
Build- KPI: % Aderência ao Ritmo de Expedição (dados ECC)
- KPI: % Not Service Degree (dados BW)
- KPI: % Aderência ao Plano de Produção (dados ECC/PP)
- Filtros por Ger. Comercial, Segmento, GP
- Configuração IBP: bitola equivalente por GP (início)
Sprint 3 (Mai 01–14) — Fill Rate & Cut-off
Build- KPI: % Fill Rate — definição de fórmula + desenvolvimento BW
- KPI: Cut-off Mensal — desenvolvimento cálculo
- Integração Salesforce API (carteira, forecast)
- Tela de drill-down por KPI com estratificação
- IBP: subida mensal de dados mestres (job automatizado)
Sprint 4 (Mai 15–28) — Demanda & Disponibilidade
Build- KPI: % Aderência à Demanda Restrita — cálculo + visualização
- KPI: Disponibilidade de Produto — lógica e fonte de dados
- Tela S&OP (planejamento vs execução, waterfall)
- IBP × SCM: publicação planejada MTS (início integração)
Sprint 5 (Jun 01–14) — MVP Torre de Controle
Marco: MVP- MVP da Torre de Controle com os 8 KPIs existentes/calculados
- Dashboard Reativo v1 (Pareto de desvios)
- Central de Alertas v1 (regras básicas)
- Tela S&OE (ritmo diário/semanal)
- Apresentação MVP para Comitê Executivo
Sprint 6 (Jun 15–28) — Bloqueios & Crédito
Build- KPI: % Volume com bloqueio qualidade e S — novo extrator ECC
- KPI: % Volume com bloqueio de cliente — novo extrator ECC
- KPI: % Volume com restrição de crédito — dados FI/SD
- SCM × SD: motivo automático de postergação (ABAP)
- Refinamento integração IBP↔SCM
Sprint 7 (Jul 01–14) — Forecast & Estoque
Build- KPI: % Forecast Accuracy — desenvolvimento completo
- KPI: % Aderência à Política de Estoque — regras + cálculo
- Dashboard Preventivo v1 (semáforo de riscos)
- Projeção de atingimento MRF (modelo simples)
Sprint 8 (Jul 15–28) — 14 KPIs Completos
Marco: 14 KPIs- Todos os 14 KPIs operacionais na Torre de Controle
- Estratificação completa (Ger. Comercial, Segmento, GP, Material, Cliente)
- Alertas configurados para todos os KPIs
- Integração IBP↔SCM finalizada e testada
- Testes de integração end-to-end
Sprint 9 (Ago 01–14) — S&OP/S&OE Digital
Build- Módulo S&OP digital na Torre de Controle (script de reunião)
- Módulo S&OE digital com check-list de execução
- Notificações automáticas (e-mail/Teams) para desvios
- Início desenvolvimento modelos preditivos (coleta de dados históricos)
Sprint 10 (Ago 15–28) — Preditivo & ML
Build- Modelo preditivo: projeção de cenários MRF (Prophet/scikit-learn)
- Dashboard Preditivo v1 (cenários otimista/base/pessimista)
- Fatores de risco automatizados
- Testes de acuracidade do modelo
Sprint 11 (Set 01–14) — Testes & UAT
Teste- Testes de aceitação do usuário (UAT) com todas as áreas
- Performance testing e otimização
- Correção de bugs e ajustes de UX
- Treinamento de key users
- Documentação técnica e de usuário
Sprint 12 (Set 15–30) — Pré Go-Live
Marco: Go-Live- Cutover plan e dry-run
- Treinamento de usuários finais
- Preparação ambiente de produção
- Go-Live da Torre de Controle MRF
- Início do período de hypercare
Time e Skills
Perfis profissionais necessários por sprint e taxas hora (mercado Brasil 2026)
Perfis Necessários
| Perfil | Skills Requeridos | Senioridade | Taxa/Hora | Sprints | Horas |
|---|---|---|---|---|---|
| PMO / Scrum Master | Gestão de projetos, Scrum, Comunicação executiva, S&OP | Sênior | R$ 220 | 0–12 + Estab. | 880h |
| Consultor SAP IBP | SAP IBP, Demand Planning, Supply Planning, S&OP, CPI | Sênior/Especialista | R$ 280 | 1–8 | 640h |
| Consultor SAP SCM/PPDS | SAP SCM, PPDS, Sequenciamento, MRP, Integração | Sênior | R$ 260 | 2–8 | 560h |
| Consultor SAP SD/MM | SAP SD, MM, Processos de expedição, Bloqueios, OTC | Pleno/Sênior | R$ 220 | 1–8 | 480h |
| Desenvolvedor ABAP | ABAP, Extratores BW, RFC, Enhancement, Reports | Sênior | R$ 200 | 2–8 | 560h |
| Consultor SAP BW/BI | SAP BW, Queries, InfoProviders, Extração de dados, HANA | Sênior | R$ 240 | 1–8 | 640h |
| Desenvolvedor Frontend | React.js, TypeScript, D3.js/Recharts, CSS, UX | Sênior | R$ 180 | 0–12 | 960h |
| Desenvolvedor Backend | Node.js/Python, REST APIs, PostgreSQL, Redis, Docker | Sênior | R$ 180 | 0–12 | 960h |
| Especialista Power BI | Power BI, DAX, Power Query, Modelagem de dados | Pleno/Sênior | R$ 160 | 1–8 | 400h |
| Data Scientist | Python, ML, Prophet, scikit-learn, Análise preditiva | Pleno/Sênior | R$ 200 | 9–11 | 240h |
| Analista de Negócio / PO | S&OP/S&OE, Supply Chain, KPIs, Regras de negócio | Sênior | R$ 200 | 0–12 | 880h |
| Consultor Salesforce | Salesforce, APIs REST, Integração, Reports | Pleno | R$ 200 | 3–5 | 240h |
Distribuição de Custo por Perfil
Estimativa de Custo e Prazo
Investimento estimado por perfil, fase e cenário
Investimento Total
R$ 1.571.200
Cenário Realista
Duração Total
10 meses
Mar–Dez 2026
Total de Horas
7.440h
Equipe Pico
12
consultores simultâneos
Custo por Perfil
| Perfil | Taxa/h | Horas | Custo Total | % do Total |
|---|---|---|---|---|
| PMO / Scrum Master | R$ 220 | 880h | R$ 193.600 | 12,3% |
| Consultor SAP IBP | R$ 280 | 640h | R$ 179.200 | 11,4% |
| Consultor SAP SCM/PPDS | R$ 260 | 560h | R$ 145.600 | 9,3% |
| Consultor SAP SD/MM | R$ 220 | 480h | R$ 105.600 | 6,7% |
| Desenvolvedor ABAP | R$ 200 | 560h | R$ 112.000 | 7,1% |
| Consultor SAP BW/BI | R$ 240 | 640h | R$ 153.600 | 9,8% |
| Desenvolvedor Frontend | R$ 180 | 960h | R$ 172.800 | 11,0% |
| Desenvolvedor Backend | R$ 180 | 960h | R$ 172.800 | 11,0% |
| Especialista Power BI | R$ 160 | 400h | R$ 64.000 | 4,1% |
| Data Scientist | R$ 200 | 240h | R$ 48.000 | 3,1% |
| Analista de Negócio / PO | R$ 200 | 880h | R$ 176.000 | 11,2% |
| Consultor Salesforce | R$ 200 | 240h | R$ 48.000 | 3,1% |
| TOTAL | 7.440h | R$ 1.571.200 | 100% | |
Custo por Fase
Fase 1: Discovery & Design
Mar 2026 (4 semanas)
R$ 156.000
~10% do total · 780h
Fase 2: Build & Test
Abr–Set 2026 (24 semanas)
R$ 1.180.000
~75% do total · 5.540h
Fase 3: Go-Live & Estabilização
Out–Dez 2026 (12 semanas)
R$ 235.200
~15% do total · 1.120h
Cenários de Investimento
| Cenário | Descrição | Horas | Investimento | Prazo |
|---|---|---|---|---|
| Otimista | Equipe experiente, sem surpresas de integração, aprovações rápidas | 6.200h | R$ 1.310.000 | 8 meses |
| Realista | Complexidade moderada, ajustes de integração, ciclos normais de aprovação | 7.440h | R$ 1.571.200 | 10 meses |
| Pessimista | Gaps de integração maiores, mudanças de escopo, curva de aprendizado | 9.300h | R$ 1.960.000 | 12 meses |
Custos Adicionais (Estimativa)
| Item | Tipo | Estimativa | Observação |
|---|---|---|---|
| Licenças de software (previsão demanda) | OPEX | R$ 150.000–400.000/ano | Se optar por solução de mercado (ex: o9, Kinaxis) |
| Infraestrutura Cloud (Azure/AWS) | OPEX | R$ 3.000–8.000/mês | Torre de Controle + Data Lake + ML |
| Licenças Power BI Pro | OPEX | R$ 5.000/mês | Se necessário usuários adicionais |
| PMO interno (alternativa) | OPEX | R$ 32.000/mês | Conforme mencionado no documento (R$ 220/h) |
Governança
Estrutura de decisão, rituais e responsabilidades
Estrutura de Governança
Comitê Executivo
Frequência: Mensal · Duração: 2h
Atividades:
- Validar indicadores e revisões
- Decidir priorização de recursos
- Aprovar direcionamentos estratégicos
- Acompanhar resultados globais
Participantes:
- Sponsor do projeto
- Diretores das áreas-chave
- Gerente de Planej. e Atendimento
- PMO
Squad Tático
Frequência: Quinzenal · Duração: 1h
Atividades:
- Calcular e desenvolver KPIs prioritários
- Identificar gargalos em processos críticos
- Definir ajustes e correção de rota
- Escalar temas para Comitê Executivo
Participantes:
- Gerente de Planej. e Atendimento
- Gerentes de áreas críticas
- PMO
PMO
Frequência: Semanal · Duração: 8h
Atividades:
- Acompanhar status das iniciativas
- Consolidar indicadores e metas
- Follow-up de indicadores
- Identificar riscos e atrasos
- Preparar materiais para fóruns
Participantes:
- PMO
- Responsáveis pelas iniciativas
Rituais S&OP e S&OE
S&OP (Mensal)
| Etapa | Ação | Sistema | Responsável |
|---|---|---|---|
| 1. Coleta de Forecast | Previsão comercial consolidada | Salesforce | Comercial |
| 2. Demand Planning | Previsão estatística + consensual | SAP IBP | Planejamento |
| 3. Supply Review | Análise de capacidade e restrições | SAP IBP + SCM | Produção |
| 4. Pré-S&OP | Definição da Demanda Restrita (MRF) | SAP IBP | Planejamento |
| 5. Executive S&OP | Validação e aprovação do MRF | Torre MRF | Diretoria |
S&OE (Semanal / Diário)
| Frequência | Ação | Sistema | KPIs Monitorados |
|---|---|---|---|
| Diário | Monitorar ritmo de expedição | Torre MRF | Ritmo Expedição, Bloqueios |
| Diário | Verificar bloqueios e restrições | SAP ECC | Bloq. Qualidade, Crédito |
| Semanal | Revisar disponibilidade de produto | SAP ECC + SCM | Disponibilidade, Estoque |
| Semanal | Avaliar aderência ao plano de produção | SAP ECC/PP | Ader. Plano Produção |
| Semanal | Ações corretivas e repriorização | Torre MRF | Todos N2–N4 |
Anotações do Documento Original
- Avaliação do MAPE utilizado pela Bekaert como referência de precisão de previsão
- Verificação do termo de aceite do cliente e seu impacto nas métricas de performance
- Necessidade de formalizar na governança a reunião mensal de follow-up com Archer e Stephan
- Proposta de parametrização de indicadores com metas diferenciadas para os TOP 10 segmentos
- Avaliação da adoção de software de previsão de mercado para apoiar projeções comerciais
- Anotar: atrasos, aceites, postergações e antecipações (Atingir MRF) — Adriano Haueisen
Time do Projeto
Stakeholders e representantes por área — conforme definido pela Diretoria de Supply Chain
Organograma do Projeto
Sponsor
Issao
Diretoria
Clarice
Diretoria
Líder
Adriano
Gerente de Planejamento
PMO
TBD
PMO do Projeto
Vendas e Marketing
Daniel P
Comercial
Emerson
Comercial
Jeferson
Comercial
Gustavo
Comercial
Malu
Marketing
Supply Chain
Adriano
Planejamento
Randolpho
Supply Chain
Tiago A
Supply Chain
Produção
Rodrigo K
Produção (Líder)
Pedro Habaeb
Produção
Randson
Produção
Luis
Produção
Sabrina
Produção
Lucas
Produção
Levi
Produção
Logística
Rogério
Logística Outbound
Alexandre
Intra Logística
Suporte
Waltamir
TI
Riqueti
TI
Nilton
Financeiro
Ivano
Financeiro
Thiara
Qualidade
Viviane
Suprimentos
Guilherme B
Manutenção
Fabi
Gente
Short List PMO
Status: PMO ainda não definido. Opções levantadas:
- Renato Estevam — indicação Malu (candidato interno)
- Nasif — indicação Malu (verificar interesse)
- PMO via TI (terceiro) — R$ 32.000/mês (~R$ 220/hora)
Critério: "Gente muito boa, não mais ou menos" — Precisa de perfil sênior com visão de Supply Chain.
Justificativa das Soluções
Por que cada solução foi escolhida — conexão entre dor, solução e resultado esperado
Contexto: Em 2025 o MRF foi atingido apenas 1 vez em 12 meses (média 95%). A análise de root cause identificou 3 pilares de atuação — cada um indispensável. Tecnologia sozinha não resolve sem processos, e processos sem indicadores não têm direção.
Torre de Controle MRF — Por que uma plataforma integrada?
Conceito: A Torre de Controle é o "centro nervoso" que consolida dados de todos os 7 sistemas, gera alertas proativos e fornece visão unificada para decisão. Não é um produto de prateleira — é uma arquitetura de solução construída sobre ferramentas existentes (SAP BW, Power BI) com camadas adicionais de integração, alertas e predição.
ROI Estimado
Premissa: Preço médio de R$ 5.800/t para arames e derivados. Cada 1% de melhoria na aderência ao MRF ≈ 0,4 kt/mês ≈ 4,8 kt/ano de expedição adicional. Investimento total do projeto: R$ 2.856.000.
Perguntas para o Negócio
Mapeamento estruturado de informações a levantar com cada área funcional antes da implementação
Detalhamento Técnico
Arquitetura de dados, integrações, modelo de KPIs e requisitos não-funcionais
Fluxo de Dados entre Sistemas
Mapa de Integrações
| De | Para | Dados | Tipo | Protocolo | Frequência | Status |
|---|
Modelo de Dados dos KPIs — Fórmulas e Fontes
Como cada KPI é calculado: Tabela com a fórmula, sistemas-fonte, frequência de atualização, granularidade de estratificação e responsável pela validação dos dados.
| KPI | Fórmula | Fontes | Frequência | Granularidade | Owner |
|---|
Stack Tecnológico — Justificativa
| Tecnologia | Camada | Justificativa |
|---|
Requisitos Não-Funcionais (NFRs)
Benchmarks
Referências de mercado, projetos similares e comparativo de abordagens
Projetos de Referência
KPIs — Benchmarks da Indústria
| KPI | Indústria | Benchmark | Best-in-Class | Belgo Atual | Gap |
|---|
Fontes de Benchmark
Comparativo de Abordagens
Decisão: A abordagem customizada foi escolhida por oferecer o melhor equilíbrio entre custo, customização para as necessidades específicas da Belgo (bitola equivalente, mix MTS/MTO) e capacidade de alertas proativos. Soluções enterprise (Kinaxis, o9) foram descartadas pelo custo 3-5x maior e timeline de 12-18 meses.
| Critério | Customizado ★ | Apache Superset | Metabase | Kinaxis |
|---|
Matriz de Riscos
Identificação, classificação e estratégia de mitigação dos riscos do projeto
Mapa de Riscos (Probabilidade × Impacto)
Top 5 Riscos Críticos
Detalhamento por Categoria
| ID | Risco | P | I | Score | Mitigação | Resp. | Status |
|---|
| ID | Risco | P | I | Score | Mitigação | Resp. | Status |
|---|
| ID | Risco | P | I | Score | Mitigação | Resp. | Status |
|---|
| ID | Risco | P | I | Score | Mitigação | Resp. | Status |
|---|