From small spin-offs deploying innovative software to big pharmaceutical complexes making vaccines, Research and Development (R&D) Project Portfolio Selection (PPS) is an essential strategic process for various companies. It was never easy to select a set of projects among many feasible possibilities, even for yesterday’s paces. However, the world is rapidly changing, and so is R&D PPS. The portfolio objectives excel profit in the same manner that model constraints go beyond budget limitations. In parallel, project selection approaches and solving algorithms followed the increase of computational power. Despite all those changes, the importance of Multi-Criteria Decision Making (MCDM) methods and the decision criteria used for R&D PPS, there is still room for a systematic literature review (SLR) for the topic. Thus, this paper offers an SLR of the existing literature from the half-century, 1970, and onward MCDM-based R&D PPS performed in Scopus and Web of Science Core Collection. We provide a comprehensive picture of this field, show how it is changing, and highlight standard practices and research opportunities in the area. We perform a broad classification of the MCDM methods, categorized by the nature of alternatives, types of integration approach, the MCDM method itself, and types of uncertainty, by the 66 studies in the SLR database. The portfolios’ classification obeys the application domain and the number of projects. We have also explored all the 263 criteria found in the literature by grouping them according to experts from five Brazilian R&D organizations that together manage portfolios valued around US$ 5 billion a year, accounting for 38% of all Brazilian annual expenditure in R&D projects. We also include a bibliometric analysis of the considered papers and research opportunities highlighted or not explored by researchers. Given the increasing number of decision-making approaches and new technologies available, we hope to provide guidance on the topic and promote knowledge production and growth concerning the usage of MCDM methods and decision criteria in R&D PPS.

Globalization stimulated a new era of Global Software Development (GSD), followed by the gig economy (GE) phenomenon, which jointly caused considerable transformations in software development markets, mainly after the recent supply chain disruptions. The cultural and geographic barriers have compelled numerous organizations to devise comprehensive digital technologies to overcome this situation. Likewise, the rising unemployment rates led the workforce into short-term contracts or to the on-demand market known as the gig economy. Together with the enhancement in global software development, the organizations found a direction to restore their activities. However, when organizations are immersed in fast-paced environments, selecting skilled professionals is difficult and risky, especially with a lack of qualified professionals. This article identifies the criteria for hiring professionals in the GSD or GE context and proposes a novel approach to clustering them. To do so, we collected the criteria from a broad subject through a systematic literature review, then applied natural language processing with the SBERT algorithm to get the sentence embeddings. Further, we cluster the criteria by applying the k -means algorithm. After that, we innovatively and responsively grouped the clusters formed by repeating the SBERT and k -means algorithms and created its mind map. Our findings disclosed 319 criteria and 6 cluster groups comprising a mind map hierarchical structure. Consequently, these outcomes have pedagogical implications to assist specialists from education institutions in designing new course domains. Such as, it can be helpful to practitioners to assist in hiring professional processes in the GSD or GE context.

Time series cross-validation is a technique to select forecasting models. Despite the sophistication of cross-validation over single test/training splits, traditional and independent metrics, such as Mean Absolute Error (MAE) and Root Mean Square Error (RMSE), are commonly used to assess the model’s accuracy. However, what if decision-makers have different models fitting expectations to each moment of a time series? What if the precision of the forecasted values is also important? This is the case of predicting COVID-19 in Amapá, a Brazilian state in the Amazon rainforest. Due to the lack of hospital capacities, a model that promptly and precisely responds to notable ups and downs in the number of cases may be more desired than average models that only have good performances in more frequent and calm circumstances. In line with this, this paper proposes a hybridization of the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) and fuzzy sets to create a similarity metric, the closeness coefficient (CC), that enables relative comparisons of forecasting models under heterogeneous fitting expectations and also considers volatility in the predictions. We present a case study using three parametric and three machine learning models commonly used to forecast COVID-19 numbers. The results indicate that the introduced fuzzy similarity metric is a more informative performance assessment metric, especially when using time series cross-validation.

O agronegócio é fundamental para a economia do Brasil. Em 2020, alcançou participação de 26,6% no PIB brasileiro. Isso se deve aos vários setores englobados ao agronegócio, podem-se citar como exemplo: bancos que fornecem crédito, indústria de insumos (fertilizantes, defensivos, especialidades, sementes), implementos agrícolas, laboratórios, entre outros. Nesse contexto, essa pesquisa objetiva compreender a transformação das operações de barter de uma empresa do agronegócio de uma cidade do Sul de Minas por meio do acompanhamento da implementação da CPR digital e apresentar a tecnologia utilizada evidenciando os prós e os contras dessa transformação. Para isso, por meio de estudo de caso, a pesquisa foi realizada em uma holding de insumos agrícolas, onde uma de suas empresas está localizada no Sul de Minas Gerais. Essa holding atua no Brasil inteiro no setor de agronegócio em geral. Foi avaliado o processo as-is (como é), acompanhando e analisando possíveis melhorias no processo de confecção de garantias não eletrônicas aplicadas no setor de barter. Após a implementação da CPR digital (to-be) Foi possível verificar uma grande redução no tempo total do processo, embora ainda haja alguma resistência nos pequenos agricultores pela adoção da CPR digital.

Com o atual cenário de pandemia, as empresas vêm inovando cada vez mais e buscando uma forma alternativa de se manter e gerar empregos. Nesse contexto surgiu a Gig Economy, que permite às pessoas empreender e abrir seus negócios, e com a possibilidade de levar seus negócios para o lado digital, ou seja, utilizando plataformas digitais para vender seus produtos, como o Mercado Livre, entre outras plataformas. Na cidade de Campo do Meio/MG, uma pequena cidade no Brasil, muitas pessoas perderam seus empregos, e com isso veio a necessidade de inovar. Como resultado, esta cidade representa mais de 80% de todo o mercado brasileiro fornecedor de capas para assentos de carro em uma das maiores plataformas digitais de vendas online. No entanto, com o aumento significativo de demanda e oferta, as empresas podem ter alguns problemas com sua cadeia de suprimentos. Esta pesquisa realizou um levantamento nas empresas fornecedoras de capas de assento de carro na cidade para coletar informações precisas e detalhadas sobre o funcionamento de sua cadeia de suprimentos. Notou-se que as empresas tiveram dificuldades na implementação de plataformas digitais devido à falta de capacitação da mão de obra. Além disso, mesmo algumas empresas que já trabalhavam com alguns recursos digitais, como sites ou lojas online, ainda tiveram essa dificuldade, pois nem toda força de trabalho sabia como funcionavam esses recursos. Dessa forma, entre outros resultados, esta pesquisa observou uma enorme demanda por inovação e adaptação em relação ao mercado digital.

O setor alimentício é um dos mais promissores da economia brasileira, responsável por cerca de 10 milhões de empregos e por 10,7% do PIB nacional no segmento de serviços. Diante da competitividade crescente, a qualidade do serviço torna-se um fator decisivo para o sucesso das empresas, especialmente no mercado de delivery. Este estudo analisou a qualidade percebida por clientes de uma empresa de delivery localizada no sudoeste de Minas Gerais, utilizando o modelo SERVQUAL. A pesquisa foi conduzida por meio de um estudo de caso, com aplicação de um questionário adaptado contendo 15 itens distribuídos nas cinco dimensões do modelo, totalizando 74 respostas válidas. Os resultados indicaram que Tangibilidade e Responsividade foram as dimensões mais bem avaliadas, destacando boa apresentação dos produtos e o tempo de entrega adequado. Por outro lado, Confiabilidade, Segurança e Empatia apresentaram lacunas significativas, especialmente no que diz respeito à comunicação com os clientes, clareza das informações nutricionais e padronização do atendimento. Também foram apontadas 11 oportunidades de melhoria. Conclui-se que o SERVQUAL mostrou-se eficaz para diagnosticar pontos críticos e orientar melhorias contínuas, oferecendo apoio para aprimorar a experiência do cliente e alinhar os serviços às expectativas dos consumidores.