[pt] Atualmente, na era da quarta revolução industrial, também conhecida como
Indústria 4.0 (I4.0), a tecnologia Robotic Process Automation (RPA) tem sido
considerada uma importante ferramenta de transformação digital em operações e
cadeias de suprimentos, em função da sua abordagem leve para automatizar e
otimizar tarefas repetitivas, agilizar e aprimorar os processos internos, e controlar
processos de negócio de ponta a ponta, o que permite a redução de custo e do risco
operacional. Impulsionado pelo COVID-19, o mercado de tecnologias RPA
continua sendo um dos segmentos que mais cresce no mercado de software
corporativo. Entretanto, na literatura acadêmica ainda há poucos trabalhos
referentes ao tema RPA com a abordagem voltada para a cadeia de suprimentos,
ainda que seja cada vez mais utilizado na área de compras com foco na
automatização dos processos. Além disso, apesar de existirem modelos de aceitação
de tecnologia (e.g., TAM e TAM2), que possuem critérios relevantes para apurar a
inovação, ainda existem poucos estudos que combinem esses critérios com métodos
de apoio multicritério a decisão para propor uma metodologia mais robusta para
seleção de tecnologias na era I4.0. E, pela análise da literatura ainda não há
pesquisas relacionando critérios para adoção de tecnologias RPA e abordagem
multicritério em grupo pelas lentes da teoria da difusão da inovação. Diante disso,
o objetivo desta pesquisa é propor uma metodologia para avaliação de plataformas
de RPA no contexto da I4.0 e pelas lentes da teoria da difusão da inovação. Esta
metodologia é testada a partir da seleção de uma plataforma de RPA para aplicação
no processo de compras de uma empresa operadora offshore de petróleo, gás e
energia eólica. A metodologia da pesquisa envolve métodos mistos, com
abordagem multicritério em grupo, a qual combinou dois métodos: Fuzzy Delphi e AHP-express, e a coleta de dados através de questionários estruturados elaborados
a partir dos relatórios das empresas de consultoria Gartner (2021) e Forrester (2021)
referentes as plataformas de RPA presentes no mercado. Os resultados da pesquisa
indicaram que a plataforma de RPA Workfusion foi a melhor plataforma a ser
aplicada na área de compras da empresa, o que pode estar relacionado a sua boa
performance nos critérios: processamento de dados estruturados, automação
assistida e aplicativos de RPA desenvolvidos para usuários de front-end. Por outro
lado, a plataforma de RPA Blue Prism foi a pior avaliada, possuindo baixa
pontuação nos critérios: disponível na cloud, dashboards integrados e automação
autônoma. Assim, do ponto de vista prático, o trabalho contribui com uma nova
metodologia seleção de plataformas de RPA para o setor de compras, a qual possui
relevância para literatura acadêmica e traz a sua contribuição para indústria que em
futuros estudos, deve ser aplicada a mais empresas da indústria de petróleo, gás e
energia eólica. / [en] Today, in the era of the fourth industrial revolution, also known as Industry
4.0 (I4.0), Robotic Process Automation (RPA) technology has been considered an
important tool for digital transformation in operations and supply chains because of
its lightweight approach to automate and optimize repetitive tasks, streamline and
improve internal processes, and control end-to-end business processes, which
enables cost and operational risk reduction. Driven by COVID-19, the market for
RPA technologies continues to be one of the fastest growing segments in the
enterprise software market. However, in the academic literature there are still few
works referring to the RPA theme with the approach focused on the supply chain,
even though it is increasingly used in the purchasing area with a focus on process
automation. Moreover, despite the existence of technology acceptance models (e.g.,
TAM and TAM2), which have relevant criteria to assess innovation, there are still
few studies that combine these criteria with multicriteria decision support methods
to propose a more robust methodology for technology selection in the I4.0 era. And,
from the literature review there is still no research relating RPA technology
adoption criteria and group multicriteria approach through the lens of innovation
diffusion theory. Given this, the objective of this research is to propose a
methodology for evaluating RPA platforms in the context of I4.0 and through the
lenses of innovation diffusion theory. This methodology is tested from the selection
of an RPA platform for application in the procurement process of an offshore oil,
gas and wind energy operating company. The research methodology involves
mixed methods, with a group multicriteria approach, which combined two methods:
Fuzzy Delphi and AHP-express, and data collection through structured
questionnaires elaborated from the reports of the consulting companies Gartner
(2021) and Forrester (2021) regarding the RPA platforms present in the market.
From the research results, the RPA platform Workfusion was selected as the best
platform to be applied in the purchasing area of the company that is the object of
study, due to its good evaluation in the criteria: structured data processing, assisted
automation and RPA applications developed for front-end users, however the RPA
platform Blue Prism was in the lowest level of the ranking of the 14 RPA platforms
evaluated, due to its low score in the criteria: available in the cloud, integrated
dashboards and autonomous automation. Thus, from a practical point of view, the
work contributes a new methodology for selecting RPA platforms for the
procurement industry, which has relevance for academic literature and brings its
contribution to industry that in future studies, should be applied to more companies
in the oil, gas and wind energy industry.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:60084 |
| Date | 08 August 2022 |
| Creators | KLOE CARDOSO SIQUEIRA |
| Contributors | RODRIGO GOYANNES GUSMAO CAIADO, RODRIGO GOYANNES GUSMAO CAIADO, RODRIGO GOYANNES GUSMAO CAIADO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0028 seconds