Gestão de projetos repetitivos com incorporação do efeito de aprendizagem: desenvolvimento de heurísticas numa análise multiobjetivo

Abstract

É amplamente aceite que a produtividade do Homem na execução de tarefas repetitivas aumenta à medida que as mesmas vão sendo efetuadas sucessivamente. Daqui se depreende o porquê de ser muito comum ouvir-se a célebre expressão de que “é a prática que leva à perfeição”. Na gestão de projetos, é costume fazer-se a alusão a esta convicção natural designando-a por efeito de aprendizagem. Reconhecendo a sua importância, esta dissertação terá como questão central o problema da gestão de projetos repetitivos, num contexto em que a possibilidade dos mesmos serem executados em paralelo coexiste com a possibilidade de colher os benefícios resultantes do efeito de aprendizagem. De facto, entrar em linha de conta com o fator aprendizagem poderá contribuir decisivamente para melhorar as estimativas de duração e custo inerentes à execução de vários projetos repetitivos sucessivamente, beneficiando a precisão dos processos de orçamentação e calendarização e, em última instância, promovendo a competitividade negocial das empresas junto dos seus parceiros de negócio/clientes. Este último aspeto torna-se essencial seja qual for a estratégia de negócio que a empresa prossiga. Sendo claro o interesse deste tema, para concretizar o objetivo desta investigação, foi utilizado um novo modelo de programação matemática multiobjetivo, desenvolvido por Gomes da Silva & Carreira (2016), que considera explicitamente a possibilidade de analisar os trade-offs estratégicos entre tempo, custo e qualidade, incidindo simultaneamente sobre o efeito de aprendizagem. Neste modelo, o gestor de projetos terá de determinar o número de equipas que irá executar cada atividade dos vários projetos repetitivos. Esta decisão implica, naturalmente, consequências diretas nas três dimensões referidas anteriormente e é da sua interação tipicamente conflituante que advém a complexidade deste problema. Devido à complexidade do modelo, foram desenvolvidas e aplicadas quatro heurísticas que têm por base algumas regras de prioridade, através das quais se pretendeu gerar aproximações à fronteira de Pareto do problema. As heurísticas foram posteriormente implementadas em dois exemplos específicos, de modo a ilustrar a sua aplicação, e foi possível verificar a sua relevância e capacidade para gerarem uma boa aproximação da fronteira de Pareto. Assim sendo, é necessária investigação adicional, no sentido de averiguar se os resultados aqui alcançados se mantêm válidos para outro tipo de redes e parâmetros.