IMPACT OF POWER BI ON QUALITY INDICATORS IN A METALWORKING INDUSTRY: UNIFIED DIGITAL INDUSTRIAL MANAGEMENT
DOI:
https://doi.org/10.69609/1516-2893.2026.v32.n3.a4316Keywords:
Business Intelligence, Performance Indicators, Metalworking Industry, Quality Management, Power BIAbstract
This study investigates the impact of applying Microsoft Power BI to the consolidation and monitoring of quality indicators within the metalworking sector, proposing the structuring of a unified digital industrial management system. In a highly competitive and technically rigorous environment, the dispersion of operational data across multiple systems and spreadsheets hinders holistic performance analysis and the rapid identification of production failures. Therefore, the main objective of this research is to demonstrate how the use of Business Intelligence (BI) tools improves managerial decision-making through the integration of fundamental metrics such as On Time Delivery (OTD), Parts Per Million (PPM), Overall Equipment Effectiveness (OEE) and Lead Time. Methodologically, the work is characterized as applied research, with qualitative and quantitative approaches, descriptive and exploratory in nature, structured from a literature review and the design of databases for interactive dashboards. The analysis indicates that the transition to a data-driven management model provides real-time visibility of the production system, serving as robust support for the application of quality tools, such as Process Failure Mode and Effects Analysis (PFMEA). It is concluded, therefore, that the informational centralization promoted by Power BI enables the assertive diagnosis of operational anomalies, drives continuous improvement, and mitigates waste, increasing the efficiency and strategic reliability of industries.
Downloads
Metrics
References
ACEMOGLU, D.; RESTREPO, P. (2019). Automation and new tasks: how technology displaces and reinstates labor. Journal of Economic Perspectives, v. 33, n. 2, p. 3–30, 2019.
BALLOU, R. H. Gerenciamento da cadeia de suprimentos/logística empresarial. 5. ed. Porto Alegre: Bookman, 2006.
BENEVIDES, M. P.; OLIVEIRA, M. R.; MOURA, R. A. (2026). Uso da inteligência artificial neurossimbólica no planejamento assistivo de centros urbanos inteligentes . Veredas do Direito, [S. l.], v. 23, n. 7, p. e236205, 2026. DOI: 10.18623/rvd.v23.6205. Disponível em: https://revista.domhelder.edu.br/index.php/veredas/article/view/6205 . Acesso: 7may2026.
CARPINETTI, L. C. R. Gestão da qualidade: conceitos e técnicas. 2. ed. São Paulo: Atlas, 2012.
DAVENPORT, T. H. Big data no trabalho: derrubando mitos e descobrindo oportunidades. Rio de Janeiro: Elsevier, 2014.
DE MOURA, R. A.; BENEVIDES, M. P; et al.; (2025). Neuroergonomia no controle ... e artificial feel e melhor feedback háptico. ARACÊ , [S. l.], v7, n9, pe8071. DOI: 10.56238/arev7n9-139. Disponível em: https://periodicos.newsciencepubl.com/arace/article/view/8071. Acesso 13set2025.
JURAN, J. M.; DE FEO, J. A. Fundamentos da qualidade para líderes. Porto Alegre: Bookman, 2014.
KAGERMANN, H. et al. Recommendations for implementing the strategic initiative Industrie 4.0. Frankfurt: ACATECH, 2013.
MONTGOMERY, D. C. Introdução ao controle estatístico da qualidade. 7. ed. Rio de Janeiro: LTC, 2016.
MOURA, R. A.; VILLARTA, C. J. B.; BENEVIDES, M. P.; RICHETTO, M. R.; ROSA JUNIOR, O.;, SANTOS, D. F. A. (2024). Anthropometry, neuroergonomics and immersive technologies for the workplace’s future: safer, self-sustainable and digital. RGSA, 18(12), e09859. https://doi.org/10.24857/rgsa.v18n12-032
NAKAJIMA, S. Introduction to TPM: total productive maintenance. Cambridge: Productivity Press, 1988.
NUNES, P. R.; SANTOS, L. M. A transição para a Indústria 5.0: O fator humano nos sistemas ciberfísicos. Journal of Industrial Engineering and Innovation, Rio de Janeiro, v. 8, n. 1, p. 112-128, 2022.
OHNO, T. O Sistema Toyota de Produção: além da produção em larga escala. 3ª Edição. Porto Alegre: Bookman, 1997.
OLIVEIRA, M. R.; BENEVIDES, K. G.; RUFINO, L. G. C.; SANTOS, D. A.; BENEVIDES, M. P.; MOURA, R. A. (2025). Direito Digital e sua limitação no uso da inteligência artificial hodierna: um ponto para reflexão e ações requeridas. CLCS, [S. l.], v. 18, n. 7, p. e19679. DOI: 10.55905/revconv.18n.7-341. https://ojs.revistacontribuciones.com/ojs/index.php/clcs/article/view/19679
OLIVEIRA, R. B. P. de; LICHTNOW, D. Uma análise comparativa das ferramentas Microsoft Power BI e Google Data Studio. In: Escola Regional de Banco de Dados (ERBD), 17., 2022, Lages. Porto Alegre: Sociedade Brasileira de Computação, 2022. p. 127-130.
PALADINI, E. P. Gestão da qualidade: teoria e prática. 3. ed. São Paulo: Atlas, 2012.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administração da Produção. 4. ed. São Paulo: Atlas, 2015.
STAMATIS, D. H. Failure Mode and Effect Analysis: FMEA from theory to execution. 2. ed. Milwaukee: ASQ Quality Press, 2003.
TURBAN, E.; SHARDA, R.; DELEN, D.; KING, D. Business Intelligence: um enfoque gerencial para a inteligência do negócio. 2. ed. Porto Alegre: Bookman, 2013.
WOMACK, J. P.; JONES, D. T. A mentalidade enxuta nas empresas: elimine o desperdício e crie riqueza. 8. ed. Rio de Janeiro: Campus, 2009.
YIN, R. K. Estudo de caso: planejamento e métodos. 5. ed. Porto Alegre: Bookman, 2018.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Priscila Sabrina Barbosa , Roque Antônio Moura
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
A submissão de originais para este periódico implica na transferência, pelos autores, dos direitos de publicação impressa e digital. Os direitos autorais para os artigos publicados são do autor, com direitos do periódico sobre a primeira publicação. Os autores somente poderão utilizar os mesmos resultados em outras publicações indicando claramente este periódico como o meio da publicação original.
English
Español (España)
Português (Brasil)
