PROPOSTA DE GERENCIAMENTO LOGÍSTICO BASEADO NA INTEGRAÇÃO DE SISTEMAS ATRAVÉS DE UM DATA WAREHOUSE

Transcrição

1 PROPOSTA DE GERENCIAMENTO LOGÍSTICO BASEADO NA INTEGRAÇÃO DE SISTEMAS ATRAVÉS DE UM DATA WAREHOUSE Fabio Favaretto Professor adjunto - Programa de Pós Graduação em Engenharia de Produção e Sistemas Pontifícia Universidade Católica do Paraná - PUCPR R. Imaculada Conceição, 1155 Curitiba, PR - CEP Telefone: Endereço eletrônico: fabiofav@ccet.pucpr.br Guilherme Ernani Vieira Professor adjunto - Programa de Pós Graduação em Engenharia de Produção e Sistemas Pontifícia Universidade Católica do Paraná - PUCPR R. Imaculada Conceição, 1155 Curitiba, PR - CEP Telefone: Endereço eletrônico: gev@ccet.pucpr.br Carlos Frederico Rangel Xavier Mestrando - Programa de Pós Graduação em Engenharia de Produção e Sistemas Pontifícia Universidade Católica do Paraná - PUCPR R. Imaculada Conceição, 1155 Curitiba, PR - CEP Telefone: Endereço eletrônico: c.frederico@csn.com.br Resumo Alguns sistemas de informação suportam as decisões do gerenciamento logístico, entre eles os sistemas ERP (Enterprise Resources Planning). Cada um destes sistemas armazena os seus próprios dados. Com a integração destes, é possível tomar decisões baseadas em informações mais abrangentes. A tecnologia de Data Warehouse faz esta integração, permitindo obter informações integradas de várias fontes, favorecendo o gerenciamento logístico. O objetivo deste trabalho é propor um processo de geração de indicadores logísticos baseado na integração de sistemas através da tecnologia de Data Warehouse. Palavras chave: Logística, Integração de sistemas, Data Warehouse

2 Introdução A crescente competitividade tem levado cada empresa a procurar formas de se manter no mercado ou de obter vantagens competitivas. Isso gerou diversas correntes de ação, porém a maioria destas observa apenas a empresa, dentro de seus limites. Neste sentido, os relacionamentos entre empresas estão sendo estudados, como forma de obter vantagens competitivas (KUO e SMITS, 2003). Estes relacionamentos extrapolam operações logísticas como a compra de suprimentos de um fornecedor ou o embarque de produtos para uma empresa cliente. Uma entidade composta por fornecedores, transportadores, empresas de manufatura, centros de distribuição, revendedores e consumidores finais é descrita com o termo cadeia de suprimentos (LUMMUS e VOKURKA, 1999). Esta entidade pode possuir um gerenciamento próprio, baseado em uma grande troca de informações e materiais entre os participantes. Para suporte a este trânsito de informações, diversos sistemas de informação são utilizados. Através da utilização destes sistemas de informação, as empresas conseguem integrar funções e processos similares espalhados por diferentes áreas, assim como eliminar atividades desnecessárias, aumentando assim sua capacidade de gerenciar as necessidades dos clientes e atender os padrões de qualidade dos produtos (KIM e NARASIMHAN, 2002). Entretanto, grande parte destes sistemas de informação não está integrada com outros, assim as decisões tomadas com base nestes sistemas ficam limitadas ao escopo do mesmo. Para o gerenciamento da cadeia de suprimentos, que envolve diversas funções de diversas empresas, é necessário que as decisões sejam tomadas com base no maior número de informações possíveis. O objetivo deste trabalho é propor a integração destes sistemas de informação, através da utilização da tecnologia de Data Warehouse. Com esta proposta de integração é possível um gerenciamento logístico, assim como da cadeia de suprimentos, com base em dados integrados, aumentando a abrangência das decisões. Na seqüência deste trabalho serão apresentadas algumas funções logísticas, e a seguir o papel dos sistemas de informação no suporte a estas funções, abordando a tecnologia mais utilizada para armazenamento de dados e a nova tecnologia de Data Warehouse. Será feita então a apresentação de um processo para gerar indicadores obtidos com a integração de sistemas de informação. Posteriormente será conduzido um exemplo da aplicação deste processo, gerando um indicador logístico. Finalizando o trabalho, serão apresentadas as conclusões obtidas.

3 Logística e cadeia de suprimentos De acordo com Ballou (2001), uma empresa geralmente não está habilitada a controlar seu fluxo de produto inteiro por todos os canais, desde as fontes de matéria prima até o ponto de final de consumo, embora esta seja uma oportunidade emergente. O gerenciamento destes canais é chamado de gerenciamento da cadeia de suprimentos, cujas atividades chave são: manutenção de padrões de serviço ao cliente, transportes, administração de estoques e gerenciamento do fluxo de informações e processamento dos pedidos. Estas atividades logísticas extrapolam os limites da empresa, assim como da logística praticada internamente. Segundo Kuo e Smits (2003), o foco das organizações mudou de competições entre empresas individuais para competições entre redes de negócio, e da performance individual de uma empresa para a performance da cadeia de suprimentos. A gestão de uma cadeia de suprimentos passa por atividades que promovem integrações, tanto de funções de empresas distintas, como a integração de funções de uma mesma empresa. Ho et alli (2002), afirmam que estas atividades incluem acesso aos sistemas de planejamento dos participantes da cadeia, compartilhamento de planos de produção, troca de informações por EDI (Eletronic Data Interchange), conhecimentos dos níveis de inventário, padronização de embalagens e logísticas comuns, entre outras atividades. A integração de funções, e conseqüentemente de processos, passa pela criação de fluxos contínuos de produtos e informações. Turbam et alli (2003) afirmam que a cadeia de suprimentos envolve três partes básicas: a parte do upstream (os fornecedores de uma organização e os fornecedores destes), a parte interna (inclui todos os processos de uma organização que transformam os materiais recebidos em produtos) e a parte de downstream (processos de distribuição e entrega dos produtos aos clientes finais). Sistemas de informação Um dos principais sistemas de informação utilizados em empresas de manufatura, não só na logística, é o ERP (Enterpise Resources Planning). De acordo com Ellram e Zsidisin (2002), estes sistemas centralizam o controle sobre informações e processos, pois utilizam um banco de dados centralizado e ferramentas de comunicação por toda a empresa. São divididos em módulos, que variam de acordo com o fabricante, porém as principais funções cobertas são: finanças, contabilidade, administração de materiais, vendas, planejamento da produção, qualidade, recursos humanos e engenharia. Estes módulos possuem bancos de dados específicos, e gerenciam dados de praticamente todos os processos de uma empresa. Alguns fabricantes oferecem sistemas de informação com funções para

4 gerenciamento da cadeia de suprimentos, principalmente aquelas relacionadas à geração de roteiros e datas de entrega, controle de inventário distribuído, compartilhamento de dados e otimizações. Segundo Kim e Narasimhan (2002) os principais sistemas de informação utilizados para gerenciamento de uma cadeia de suprimentos são: Sistema de controle da produção; Sistema de gerenciamento de inventários (estoques); Sistema de gerenciamento de vendas; Sistema de gerenciamento de clientes; Sistema de seleção de localizações; Sistema de criação automática de ordens; Sistema de gerenciamento de recursos; Sistema de gerenciamento de transportes e Sistema de previsões. Alguns destes sistemas de informação acima podem estar incluídos no ERP, ou então funcionam de forma independente. Kwan (1999), Lummus e Vokurka (1999) e Ho et alli (2002) destacam o uso de tecnologias avançadas, principalmente o EDI para transferência de informações. Esta tecnologia permite que informações padronizadas sejam trocadas entre empresas ou sistemas, facilitando o gerenciamento da cadeia de suprimentos. Informações tipicamente trocadas são: programação da produção, previsões, dados sobre a embalagem e expedição de produtos, e dados sobre as entregas. Os sistemas de informação normalmente utilizados pelas empresas utilizam gerenciadores de bancos de dados para manutenção dos mesmos. O padrão mais utilizado atualmente para bancos de dados é chamado de relacional, pois a estrutura dos mesmos é composta por tabelas de dados que possuem relacionamentos entre si. A estrutura relacional fornece o suporte para as transações diárias dos sistemas, como cadastro de um pedido, emissão de uma nota fiscal e controle de estoque. As ferramentas de consulta utilizadas nesta estrutura fazem buscas segundo parâmetros passados pelo usuário, e geram resultados em forma de listas. Por exemplo, um usuário pode desejar conhecer todos os fornecedores de uma determinada matéria prima ou os componentes de um produto. Data Warehouse Em um Data Warehouse, dados de diversos sistemas de informação estão integrados e podem ser visualizados e analisados sob diferentes perspectivas, chamadas de dimensões. Este tipo de ambiente

5 permite o armazenamento e a recuperação eficientes de grandes volumes de dados (TURBAM et alli, 2003). Segundo Campos e Borges (2001), o Data Warehouse fornece informações consistentes e de qualidade, para permitir seu posterior emprego pelo usuário final no suporte à tomada de decisão. Isso complementa as informações obtidas através dos bancos de dados relacionais dos sistemas de transação. O Data Warehouse é uma coleção de dados orientados por assuntos, integrados, variáveis com o tempo e não voláteis, que dá suporte ao processo de tomada de decisão (INMON et alli, 2001). Segundo Datta e Thomas (1999), esta tecnologia começou a ser amplamente utilizada a partir do início da década de 90. De acordo com Hasan e Hyland (2001), o armazenamento de dados no formato relacional facilita o processamento de transações diárias do negócio, enquanto informações armazenadas em um ambiente de Data Warehouse suportam as decisões analíticas, por serem arranjadas segundo assuntos e permitirem análises em diversas dimensões. Entretanto, estas tecnologias de armazenamento de dados não são exclusivas, e sim complementares, mesmo porque os dados para o Data Warehouse são extraídos dos dados armazenados no formato relacional. Proposta para geração de indicadores Esta proposta é baseada na utilização de Data Warehouse para geração de indicadores a serem utilizados no gerenciamento logístico. O desenvolvimento desta proposta foi baseado em uma abordagem mista de desenvolvimento, segundo sugestão de Hasan e Hyland (2001). Segundo estes autores, existem duas abordagens populares. A primeira abordagem é top-down, que tem foco no planejamento do negócio, e a segunda é bottom-up, que foca nos sistemas e bancos de dados existentes. Uma estratégia mista tem os seguintes passos: Determinação inicial de uma lista de medidas (indicadores) e dimensões, com foco nas necessidades de informação de todos os gestores; Localizar as fontes de dados para estas medidas e dimensões; Identificar os dados disponíveis nestas fontes que os gerentes não identificaram. Verificar a possibilidade de uso destes dados para outros gestores; Eliminar medidas e dimensões que não são essenciais para as necessidades dos gestores ou que são difíceis de serem extraídas; Construir um protótipo do Data Warehouse e submeter à avaliação e Caso necessário, modificar as fontes de dados para facilitar sua extração.

6 Com base nesta abordagem mista de Hasan e Hyland (2001), é proposto um processo para geração de indicadores, apresentado na Figura 1. Definição de indicadores Identificação dos dados para gerar os indicadores Levantar dados disponíveis Projetar e implantar coleta e armazenamento dos dados que faltam Verificar indicadores que podem ser gerados com dados não utilizados Projetar o Data Warehouse Extrair e limpar dados dos sistemas de origem Atualizar bancos de dados dos sistemas de origem Gerar Data Marts e fazer Consultas OLAP Figura 1 Processo proposto para geração de indicadores A partir da definição dos indicadores necessários para gerenciamento do negócio, o processo é iniciado. O próximo passo é identificar os dados necessários para gerar estes indicadores. Esta identificação não deve ser baseada nos dados existentes, e sim nas necessidades do negócio, gerando então uma lista dos dados necessários. Com esta lista, é feito um levantamento dos dados disponíveis nos bancos de dados dos sistemas de informação existentes. Neste levantamento, são identificados os dados existentes, dados que não existem e dados existentes mas que não são utilizados para os indicadores necessários. Para os dados não existentes devem ser feitos o projeto e implantação de sistemas de informação para coletar e armazenar estes dados. Para os dados existentes que não são utilizados nos indicadores definidos, deve ser feito um levantamento para verificar quais indicadores podem ser gerados com estes dados.

7 Conhecendo todos os dados disponíveis e sabendo os indicadores que serão utilizados, o próximo passo é o projeto do Data Warehouse através de um modelo dimensional, detalhes podem ser obtidos no trabalho de Kimball (1998). Uma vez projetado o Data Warehouse, o próximo passo é a extração dos dados brutos dos sistemas de origem, e posterior limpeza destes, para eliminação de inconsistências. Esta operação de limpeza fornece subsídios para que sejam feitas revisões nos bancos de dados de origem, no sentido de padronizar o armazenamento para evitar ou minimizar a necessidade de limpeza. Neste ponto, o Data Warehouse está com os dados carregados e pronto para ser utilizado. A utilização do Data Warehouse é feita com a análise do indicador (ou indicadores) em várias dimensões. Esta análise é realizada através de operações OLAP (Online Analytical Processing), que permitem a navegação nas dimensões e através de valores específicos. Detalhes das operações OLAP podem ser obtidas em Hasan e Hyland (2001), Machado (2000) e OLAP Council (2003). Para melhor performance são criados Data Marts, que são partes do Data Warehouse original. Deve ficar claro que este modelo é específico para a geração de indicadores a partir de um Data Warehouse. Com isso, os sistemas de transações diárias (neste texto também chamados de sistemas de origem) mantêm um papel importante na tomada de decisão da empresa, pois fornecem informações, geralmente em forma de lista, segundo pesquisas específicas do assunto tratado pelo sistema. Aplicação do processo proposto Uma aplicação deste processo para o gerenciamento logístico será apresentada a seguir. Com base nos sistemas de informação para suporte dos processos logísticos e de gestão da cadeia de suprimentos, diversos indicadores podem ser utilizados. Como exemplo, será utilizado o indicador relativo ao índice de entregas em tempo (IET), conforme destacado em Kuo e Smits (2003), Ho et alli (2002) e Kwan (1999). Este indicador reflete o número de entregas realizadas em tempo (de acordo com prazos prometidos) e entregas atrasadas, sendo apresentado na forma de porcentagem. Este índice é utilizado por gestores que estão envolvidos diretamente com atividades logísticas, e participam da elaboração das estratégias e metas utilizadas nesta área. Em uma situação perfeita, este índice será de 100%, indicando que todas as entregas foram realizadas no prazo prometido, caso contrário, irá refletir problemas relacionados com a logística, que podem ser analisados através de diversas dimensões, como: Produtos. Nesta dimensão, o IET reflete a pontualidade das entregas segundo os produtos da empresa. Esta dimensão poderá ser analisada de acordo com a seguinte hierarquia: famílias de produtos, produtos finais e tipos de embalagem (apresentação) de cada produto final.

8 Distribuição. O IET analisado nesta dimensão permite avaliar os modais de distribuição (rodoviário, aéreo e outros) e as empresas individuais de distribuição. Apresenta a hierarquia: modal e empresa de distribuição. Localidade. Para esta dimensão, o IET irá analisar a eficiência das entregas de acordo com a localidade onde a entrega foi feita (destino), como por exemplo, uma determinada cidade ou região do país. A hierarquia desta dimensão pode ser a seguinte: país, região, estado, cidade, bairro e rua. Canal de venda. Nesta dimensão, o IET analisa o quanto as vendas, e conseqüentemente os prazos prometidos, em cada canal de vendas (vendas diretas, representantes, comércio eletrônico e outras) foi cumprido. A hierarquia para esta dimensão pode ser: canal de vendas e operador de vendas (cada representante ou vendedor individual). Local de produção. Esta dimensão permite analisar o IET de acordo com o local onde foi feita a produção dos itens entregues. Desta forma, é possível analisar tanto o planejamento da produção local como a eficiência da produção. Uma possível hierarquia para esta dimensão é: empresa, planta, departamento, linha e célula. Além destas, a dimensão tempo geralmente está presente em todos modelos dimensionais (KIMBALL, 1998), permitindo análises temporais segundo diversas hierarquias como: ano, trimestre, mês e dia. Ainda outras dimensões ou atributos para as dimensões apresentadas poderiam ser acrescentados. O próximo passo do processo proposto é a identificação dos dados para gerar o indicador definido. Estes dados estão localizados nos sistemas de suporte a transações relacionados com cada uma das dimensões. Por exemplo, para a dimensão de produtos, os dados necessários são listas (ou tabelas) que indiquem as famílias de produtos, os produtos finais que compõem cada família e as embalagens (apresentações) de cada produto final. Estes dados estão disponíveis em sistemas de planejamento ou de projeto de produtos, normalmente presentes no sistema ERP da empresa. Os dados para a dimensão distribuição estão presentes nos sistemas de roteirização e programação de entregas, indicando todos os modais utilizados e as respectivas empresas de distribuição ou operação de cada modal. Neste mesmo sistema de transações logísticas é possível obter os dados para a dimensão de localidade, que são todas as localidades onde foram feitas entregas, seguindo a hierarquia sugerida. Para a dimensão do canal de vendas, os dados podem ser obtidos em sistemas de transação de vendas, que indicam qual o canal utilizado para a venda de cada produto que posteriormente foi entregue. Os dados para a dimensão de local de produção são obtidos no sistema de planejamento da produção ou de controle de inventários.

9 Além de todos estes dados, é fundamental obter dados sobre as entregas, contendo as datas de cada entrega, e se esta entrega foi feita no prazo ou fora deste. Estes dados podem ser obtidos em sistemas de gestão de clientes onde constem as entregas realizadas ou no sistema de transações logísticas, e serão as bases para o cálculo do IET e para os valores da dimensão de tempo. Estes sistemas devem possuir funcionalidades para a coleta dos dados finais da entrega, que indicarão quando o cliente a recebeu, e se estava atrasada ou não. Feita a definição dos dados necessários, o próximo passo no processo é a verificação dos dados disponíveis para elaboração dos indicadores. Neste exemplo, o indicador definido foi baseado em dados normalmente disponíveis nas empresas que fazem um controle das funções de logística, vendas e produção de forma ordenada. Caso alguns dos dados necessários não estejam disponíveis, devem ser feitos o projeto e implantação de um sistema de informação que colete e armazene estes dados. Complementarmente, os dados disponíveis que não são utilizados devem ser analisados para a verificação de outros indicadores que possam ser gerados. Segundo Kimball (1998) existem algumas regras para esta análise, a principal é que se trate de um dado numérico, aditivo e continuamente valorado. Nesta etapa do processo, o Data Warehouse já pode ser projetado. Campos e Borges (2001), Kimball (1998) e Inmon et alli (2001) apresentam algumas diretrizes para elaboração deste projeto. Em termos gerais, este projeto deve considerar a granularidade dos dados (nível de detalhes), a sumarização (o quanto os dados devem ser condensados e agregados), a freqüência de atualização e a forma como os dados vão ser extraídos dos sistemas de origem. A próxima etapa do processo é a carga do MDDB, e para isso os dados brutos serão extraídos dos sistemas de origem e passarão por uma limpeza, que objetiva eliminar dados incompletos, fora do padrão e que não sejam úteis de uma forma geral. Feita esta etapa, o repositório de dados Data Warehouse estará pronto e disponível para que as consultas sejam realizadas. Este ambiente cria uma redundância (cópia) dos dados originais, com características físicas específicas para obter performance nas consultas complexas que serão realizadas. Uma vantagem desta redundância é que os sistemas de origem continuam operacionais, pois se as consultas fossem feitas diretamente nestes, sua performance seria prejudicada, prejudicando todo o negócio (MACHADO, 2000). Outra característica interessante do Data Warehouse é que os seus dados nunca são atualizados nem excluídos. Caso um dado seja modificado (um endereço ou código de um produto, por exemplo), cria-se um novo registro. Com isso, é possível a realização de consultas históricas, que conseguem diferenciar as situações antes e depois desta modificação. O processo de limpeza dos dados de origem pode revelar possibilidades de revisão na estrutura destes dados, que podem ser implementadas posteriormente.

10 Feitas todas estas etapas podem ser gerados os Data Marts, que são partes do Data Warehouse, para análises de alguns indicadores em dimensões específicas. Isto é feito para que as consultas não sejam realizadas diretamente em toda a massa de dados do Data Warehouse. As consultas OLAP que podem ser realizadas neste exemplo são inúmeras, a seguir são destacadas algumas, baseadas nos conceitos apresentados por Machado (2000) e Datta e Thomas (1999). Drill down e Roll up: estas operações permitem a navegação em uma determinada dimensão. Como exemplo, podemos iniciar a análise do índice de entregas em tempo (IET) na dimensão Produto. Partindo da análise por famílias de produtos, os IET para cada uma destas é apresentado, tanto na forma de tabela como graficamente. Pode-se escolher a família de produtos com menor IET, ou seja, aquela que possui mais atrasos nas entregas, descer na hierarquia da dimensão (Drill down) e analisar o IET dos produtos finais desta família de produtos, permitindo conhecer o produto com maior índice de atraso nas entregas. Novamente, a mesma operação pode ser feita para saber o IET para cada embalagem (apresentação) deste produto final. Esta análise pode ser feita para o estabelecimento de prioridades na busca de um melhor serviço de entregas. A mesma análise pode ser iniciada nas hierarquias inferiores (mais detalhadas) e passar para hierarquias superiores, sendo esta a operação de Roll up. Estas operações de navegação na hierarquia da dimensão podem ser efetuadas para qualquer dimensão. Slice: esta operação equivale a fatiar o cubo de dados, ou seja, um determinado valor de uma dimensão é fixado. No nosso exemplo, podemos fixar o valor Sul para a dimensão Localidade, e analisar as outras dimensões. Assim, pode ser conhecido o IET desta região em função dos produtos (explorando os valores da dimensão Produtos) e da forma de distribuição utilizada (dimensão Distribuição). Esta operação permite conhecer em detalhes o relacionamento de um valor de uma dimensão com as outras dimensões. Dice: esta operação muda a perspectiva de análise, é como se girássemos um cubo em nossas mãos (MACHADO, 2000). Por exemplo, analisamos o IET de alguns produtos em cada região. Ao fazer a análise do IET de cada região para alguns produtos, realizamos esta operação. Esta operação é útil para compreender em detalhes uma situação. Pivot: esta operação faz a agregação sobre uma ou mais dimensões e produz um novo cubo de dados que possui um atributo para cada dimensão e um atributo adicional para a medida agregada. No exemplo apresentado, teríamos uma dimensão a mais, relacionada a valores do IET, que poderiam ser classificados em faixas, como: de 0 a 25%, de 26 a 50%, de 51 a 75% e de 76 a 100%. Assim, a navegação nesta nova dimensão, com um valor (atributo) fixado em 76 a 100%, em conjunto com a

11 dimensão Local de produção, tem como resultado os locais de produção com pior desempenho em relação à pontualidade da entrega. Os exemplos apresentados de operações OLAP, e conseqüentemente das análises, representam uma parte do universo total de análise, que pode inclusive combinar duas ou mais das operações apresentadas. Isso leva a uma possibilidade muito grande de análises, que podem ser feitas segundo um roteiro prévio ou seguindo a intuição e necessidade do usuário. Conclusões Entre as conclusões obtidas neste trabalho, destaca-se a necessidade de integração de sistemas de informação. Sem isso, as informações disponíveis ficam limitadas, e conseqüentemente limitam as decisões tomadas com essa base. O Data Warehouse possui uma natureza integradora, pois para disponibilizar a análise em várias dimensões, é necessários que os dados sejam extraídos de diferentes sistemas de origem, promovendo assim a sua integração. Esta tecnologia se mostra adequada para utilização no gerenciamento logístico, pois é possível a geração de indicadores úteis, e que podem ser analisados em diversas dimensões, conforme apresentado. O processo para geração de indicadores proposto também se mostra adequado, pois atende tanto as necessidades dos gestores por indicadores como analisa os dados disponíveis para a geração de outros indicadores. Desta forma, uma grande variedade de indicadores pode ser gerada, atendendo diversas necessidades de informação para suporte a decisões, promovendo o gerenciamento logístico com base na integração de sistemas. REFERÊNCIAS BIBLIOGRÁFICAS BALLOU, R. H. Gerenciamento da cadeia de suprimentos: planejamento, organização e logística empresarial. Quarta edição. Editora Bookman, Porto Alegre, CAMPOS, M. L. M, BORGES, V. J. A. S. Diretrizes para a modelagem incremental de Data Marts. Anais do XVII Simpósio Brasileiro de Banco de Dados, Gramado, Brasil, DATTA, A., THOMAS, H. The data cube model: a conceptual model and algebra for on-line analytical processing in Data Warehouses. Decision Suport Systems, No. 27, pag , ELLRAM, L. M., ZSIDISIN, G. A. Factors that drive purchasing and supply management s use of information technology. IEEE Transactions on Engineering Management, Vol 49, No. 3, August, INMON, W. H., TERDERMAN, R. H., IMHOFF, C. Data Warehousing: como transformar informações em oportunidades de negócios. Editora Berkeley, São Paulo, 2001.

12 HASAN, H., HYLAND, P. Using OLAP and multidimensional data for decision making. IT Professional, Vol. 3, Issue 5, Sep/Oct, pag , HO, D. C. K, AU, K. F, NEWTON, E. Empirical research on supply chain management: a critical review and recommendations. International Journal of Production Research, Vol. 40, No. 17, pag , KIM, S. W., NARASIMHAN, R. Information system utilization in supply chain efforts. International Journal of Production Research, Vol. 40, No. 18, pag , KIMBALL, R. Data Warehouse tool kit: técnicas para a construção de Data Warehouses dimensionais. Makron Books, São Paulo, KUO, D. C. L., SMITS, M. Performance of integrated supply chains an international case study in high tech manufacturing. Proceedings of the 36th Hawaii International Conference on Systems Sciences, IEEE Computer Society, KWAN, A. T. W. The use of information technology to enhance supply chain management in the electronics and chemical industries. Production and Inventory Management Journal, Third Quarter, LUMMUS, R. R., VOKURKA, R. J. Managing the demand chain through managing the information flow: capturing moments of information. Production and Inventory Management Journal, First Quarter, MACHADO, F. N. R. Projeto de Data Warehouse: uma visão multidimensional. Editora Érica, São Paulo, OLAP COUNCIL. OLAP Council White paper. consultado em 9/5/2003. TURBAM, E., RAINER Jr, R. K, POTTER, R. E. Administração de tecnologia da informação: teoria e prática. Editora Campus, São Paulo, 2003.