Notícias


Estratégia & Marketing Postado em quinta-feira, 01 de novembro de 2018 às 14:23
Imagine o seguinte cenário, em uma empresa hipotética:

* Este ano, vamos crescer 10% em cima dos produtos atuais.

* Também vamos introduzir dois novos produtos e vender para 30% da base atual de cliente.

* Vamos começar a trabalhar com vendas on-line e obter 20% de crescimento do facturamento.

Observando friamente, só conseguimos prever  o primeiro resultado – e parcialmente. Digo parcialmente porque nada nos garante que o comportamento dos clientes este ano será igual ao verificado no ano anterior. Os dois outros itens, então, são imponderáveis. Não é possível estabelecer uma meta consistente.

Chegar a um resultado (qualquer um) vai depender, agora, de centenas de experimentos. Jogar no ataque é, agora, a melhor defesa. Esse princípio não é novo. A forma como pensar nele, sim.

Quando falamos em jogar no ataque, é comum as pessoas pensarem em uma postura agressiva com a concorrência, muitas vezes no limite da ética. Esse pensamento não poderia estar mais distante do que estou propondo aqui. (Até porque nem temos mais clareza em relação a quem são os concorrentes.)

Jogar no ataque significa abraçar o imponderável e entender que, no momento em que estamos vivendo, as oportunidades são muito maiores do que o risco. Significa ter a coragem para mudar as estruturas do negocio e casar as melhores pessoas com as melhores oportunidades, como prega o grande Jim Collins em seu livro Good to Great – Empresas feitas para vencer. Significa, acima de tudo, estar disposto a criar o futuro.

Acredito que haja seis princípios para isso:

* Tratar a inovação como design organizacional.

* Colocar o cliente no centro.

* Matar o próprio negócio.

* Pensar como um investidor.

* Praticar uma gestão ágil.

* Trabalhar com parceiros.

Neste site, fiz uma breve série de cinco “episódios” focando aspectos chave do design organizacional que impulsiona a inovação e o crescimento hoje, com base no meu livro, A estratégia da inovação radical.

O primeiro ponto é a descentralização das decisões. Várias empresas de ponta optaram por descentralizar suas decisões e criar times menores, com autonomia e equipes multidisciplinares. Jeff Bezos, fundador e CEO da Amazon, chama essas equipes de “times de duas pizzas”30, ou seja, times com tamanho suficiente para consumir apenas duas pizzas. Se passar desse tamanho, deveríamos quebrar em times menores. [como os squads, descritos no Dossiê  da revista HSM Management nº 131.]

A forma como esses times são gerenciados também difere da gestão tradicional. As chamadas metodologias ágeis são o modelo mais comum de conduzir a execução dessas equipes. O conceito é bem simples: em vez de projetos longos e planejamento em cascata, esses times trabalham concentrados em períodos curtos de tempo, chamados sprints.

Tradicionalmente, quebramos o trabalho em atividades sequenciais, nas quais produzimos as coisas de maneira lógica. Por exemplo, se vamos fazer um site, primeiro nós o desenhamos conceitualmente, depois fazemos o design, em seguida fazemos a programação, testamos, corrigimos os erros e colocamos o site no ar. O problema dessa abordagem é que geralmente as coisas não acontecem do jeito que queremos, e o projeto demora muito mais do que se esperava. Quanto mais incerteza temos sobre o cenário em que nos encontramos, menos o projeto em “cascata” faz sentido, e a abordagem ágil começa a ser o método mais eficaz.

Como ele funciona?

Geralmente, estabelece-se o objetivo aos participantes do time (ou esquadrão), que define a duração do seu sprint e as regras de convivência. O princípio macro é manter o foco no objetivo e ser flexível nas ações para atingi-lo, utilizando o aprendizado prático como ferramenta para evolução do time como um todo. Por exemplo, se tivermos como objetivo reduzir o cancelamento de clientes, podemos trabalhar naquelas funcionalidades do produto que o cliente não consegue utilizar da melhor maneira, mas também podemos alterar a forma como atendemos estes mesmos clientes via telefone e e-mail. Para acompanhar o projeto, os times fazem reuniões diárias muito rápidas, geralmente em pé.

Creio que este seja o cerne da agilidade: a capacidade de, ao mesmo tempo, manter o rigor da meta que queremos alcançar e ter grande flexibilidade para aprender e testar hipóteses.

Essas metodologias surgiram na área de desenvolvimento de software. Os desenvolvedores perceberam que o método tradicional de cascata gerava um grande desgaste entre o time de tecnologia e os demais envolvidos, além de não produzir os resultados desejados. Diversas metodologias surgiram para tentar resolver este problema. A mais popular, atualmente, se chama scrum, e segue boa parte dos princípios mencionados aqui. Em 2001, vários profissionais de desenvolvimento de software se reuniram e desenvolveram o “Manifesto Ágil”, que é popular até hoje. Seus principais valores são:

* Os indivíduos e suas interações acima dos procedimentos e das ferramentas.

* O funcionamento do software acima da documentação abrangente.

* A colaboração com o cliente acima da negociação e do contrato.

* A capacidade de resposta a mudanças acima de um plano pré-estabelecido.

Nesse novo design organizacional, não existe uma regra definitiva de como os times ágeis, ou esquadrões, devem ser gerenciados. O mais importante é entender a cultura da organização e buscar se adaptar à realidade atual. Vejo muitos casos de empresas que tiveram problemas na implantação dos métodos por não levarem em consideração o estágio de maturidade do time, o tipo de atividade a ser desenvolvido e outros fatores que exigem, acima de tudo, sensibilidade da liderança.

Fonte: Revista HSM
Estratégia & Marketing Postado em quinta-feira, 01 de novembro de 2018 às 14:15
A Universidade Politécnica de Hong Kong (PolyU) desenvolveu um sistema de detecção de defeitos de tecidos, chamado WiseEye, que utiliza tecnologias que incluem Inteligência Artificial (IA) e aprendizado profundo de máquina para fins de controle de qualidade. A PolyU afirma que seu sistema minimiza as chances de produzir tecidos com padrão de qualidade abaixo de 90%, reduzindo substancialmente a perda e o desperdício na indústria têxtil. Ele ajuda a economizar mão de obra e a melhorar o gerenciamento de automação na fabricação de tecidos.

Suportado pela tecnologia de visão por máquina baseada em IA, o novo “WiseEye” pode ser instalado numa máquina têxtil para ajudar os fabricantes de tecidos a detectar defeitos instantaneamente no processo de produção. Através do sistema de inspeção automática, o gerente da linha de produção pode detectar facilmente os defeitos, ajudando-os a identificar a causa dos problemas e corrigi-los imediatamente.

“WiseEye” é desenvolvido pela Equipe de Pesquisa de Inteligência Artificial Têxtil e de Vestuário (TAAI), liderada pelo Prof. Calvin Wong, professor de Moda do Instituto de Têxteis e Vestuário da PolyU. Fabricantes têxteis atualmente dependem de esforços humanos para inspecionar aleatoriamente o tecido a olho nu. Devido a fatores humanos como negligência ou fadiga física, a detecção de defeitos pelo trabalho humano é geralmente inconsistente e não confiável.

Fabricantes têxteis também tentaram usar alguns outros sistemas de inspeção de tecidos, mas esses sistemas não foram capazes de atender às necessidades da indústria. Garantir a qualidade na produção de tecidos torna-se um grande desafio para a indústria.

O Prof. Calvin Wong disse: “‘Wise Eye’ é um sistema único de inspeção baseado em IA que satisfaz os requisitos dos fabricantes têxteis. É um sistema integrado com vários componentes que desempenham diferentes funções no processo de inspeção. O sistema é incorporado com uma barra de luz LED de alta potência e uma câmera de dispositivo de carga acoplada de alta resolução que é acionada por um motor eletrônico e é montada em um trilho para capturar imagens de toda a largura do tecido durante o processo de tecelagem. As imagens capturadas são pré-processadas e inseridas no algoritmo de visão por máquina baseado em IA para detectar defeitos de tecidos. Informações em tempo real coletadas ao longo do processo de detecção serão enviadas ao sistema do computador, e estatísticas e alertas analíticos podem ser gerados e exibidos como e quando necessário.

A equipe de pesquisa aplicou as tecnologias de Big Data e Deep Learning no “WiseEye”. Ao inserir dados de milhares de metros de tecidos no sistema, a equipe treinou o “WiseEye” para detectar cerca de 40 defeitos comuns nos tecidos com resolução de precisão excepcionalmente alta de até 0,1 mm / pixel.

“Em vista das numerosas estruturas de tecido que proporcionam grandes variações nos tipos de textura de tecido e defeitos, a detecção automática de defeitos de tecido tem sido uma missão desafiadora e inatingível nas últimas duas décadas. Nossa introdução inovadora de tecnologias de IA, Big Data e Deep Learning do WiseEye, não é apenas um avanço tecnológico que atende às necessidades da indústria, mas também marca um marco significativo na automação do controle de qualidade para a indústria têxtil tradicional”, acrescentou o Prof Wong.

A tecnologia WiseEye foi colocada em teste por mais de seis meses num ambiente de fabricação real. Os resultados mostram que o sistema é capaz de reduzir 90% da perda e desperdício no processo de fabricação de tecidos quando comparado com a inspeção visual humana tradicional. Isso significa que o sistema ajuda a reduzir os custos de produção e, ao mesmo tempo, aumenta a eficiência da produção.

No momento, o “WiseEye” pode ser aplicado à maioria das máquinas de tecidos com diferentes estruturas de tecelagem e cores sólidas. A equipe de pesquisa planeja treinar e estender ainda mais o sistema para detectar defeitos em tecidos com padrões mais desafiadores, como padrões complicados de tiras e verificações. O objetivo final é cobrir todos os tipos comuns de tecidos em cinco anos.

O Prof Wong e a equipe de pesquisa do TAAI vêm conduzindo pesquisas fundamentais e aplicadas sobre IA, visão computacional e aprendizado de máquina, especificamente para a indústria têxtil e de moda desde 2012. A equipe introduziu anteriormente o primeiro “FashionAI Dataset” do gênero que integra moda e aprendizado de máquina para análise sistemática de imagens de moda através do uso de IA. O Dataset ajuda a avançar na indústria da moda e a desenvolver um novo modo para o varejo de moda.

As áreas cobertas por seus outros projetos incluem inspeção inteligente de material têxtil e qualidade de vestuário, amostra de tecido em grande escala e pesquisa de imagens de moda e previsão de vendas de moda. A equipe também colaborou com várias empresas locais e internacionais em vários projetos de pesquisa e publicou artigos de pesquisa em periódicos líderes mundiais, incluindo IEEE Transactions on Neural Networks e Learning Systems, IEEE Transactions on Cybernetics e IEEE Transactions on Image Processing.

Fonte: Stylo Urbano