Purpose: This paper examines the relationship between different manufacturing strategies and Industry 4.0's (I4.0) critical success factors (CSFs) and technology adoption.Design/methodology/approach: For that, the authors surveyed 165 practitioners from different manufacturers. Participants provided information about the levels of product customization and production volume in their companies. They also indicated the adoption level of I4.0 technologies and CSFs. Using multivariate data techniques, the authors identified four clusters of different manufacturing strategies and two readiness levels based on the establishment of I4.0 CSFs. The adoption level of I4.0 technologies was then cross compared among clusters to identify which technologies are more likely to be supported.Findings: The findings indicate that, in low-readiness companies, the adoption level of I4.0 technologies does not significantly differ between manufacturing strategies. However, when companies present a higher I4.0 readiness, the adoption of I4.0 technologies seem to vary according to the existing manufacturing strategy.Originality/value: This study sheds light on the influence that manufacturing strategies may have on the digital transformation of companies, highlighting which strategies are more likely to offer a context to successfully adopt I4.0 technologies. The identification of these relationships helps to define the expectation regarding the company's digital transformation, determining coherent benchmarks and allowing managers to anticipate potential issues.

Investment appraisal of agricultural projects (APs) is particularly demanding due to several factors. Namely, APs may have longer time horizons, higher external and internal volatility, and uncertainty caused by less control of production and external conditions (e.g., climatic conditions and market demand). Indeed, these APs may face high and different risks that should be managed properly. Nevertheless, both the literature and practice do not address such complexity and uncertainty conveniently. Thus, this research aimed to develop an integrative and easy-to-use framework to support the investment appraisal of APs, which goes beyond the traditional approach based on simple and deterministic models. This framework is based on an approach that includes several capital budgeting techniques integrating extended multi-index methodology (EMIM), Monte Carlo simulation (MCS), and real options analysis (ROA). This framework allows dealing with different risk and uncertainty scenarios and managerial flexibilities, which allow alternative and additional investment options. A simpler and easier approach can be particularly important for family agribusinesses, which usually do not use sophisticated decision-making tools. An AP in an agrosilvopastoral system (i.e., agriculture, livestock, forestry) was used to present and discuss the proposed methodology considering the relevance of such systems for sustainable agriculture and their higher risk and complexity when compared to traditional approaches. The main contribution of the framework is structuring a set of steps based on several tools to carry out investment appraisal in APs.

RESUMO Este artigo analisou a viabilidade econômica da instalação de uma usina de reciclagem de resíduos da construção civil, por meio das expectativas de retorno e risco associadas à sua implantação. A análise do investimento em estudo foi realizada utilizando-se a metodologia multi-índice por meio do sistema Web $LV€P. Também foi realizada uma análise estocástica utilizando a Simulação de Monte Carlo como forma de melhor analisar os riscos envolvidos no projeto. Os resultados mostraram que há viabilidade econômica e baixo risco na implantação dessa usina, pois a probabilidade de o valor presente líquido (VPL) ser menor que zero é de 0,22%. A análise preliminar realizada mostrou que a decisão de investir nesse empreendimento se apresenta como uma boa opção de investimento, sendo recomendada a sua implementação por ser um projeto com possibilidades de bom retorno financeiro.

O presente artigo visa encontrar uma possível lacuna de pesquisa dentro da temática “integração de métodos de previsão de demanda quantitativos e qualitativos com ajuste de especialistas”. Para isso, utilizou-se da análise bibliométrica e de conteúdo que foi elaborada, por meio da aplicação da metodologia Proknow-C (Knowledge Development Process – Constructivist) e análise categorial. Os principais resultados encontrados sobre a temática foram: (i) selecionou-se um portfólio bibliográfico contendo 21 artigos; (ii) o International Journal of Forecasting foi identificado como o principal periódico; (iii) os autores destaque são Armstrong Scott J.; Goodwin, Paul e Lawrence, Michael. O emprego da metodologia Proknow-C permitiu contribuir cientificamente com um processo estruturado sobre o tema integração de métodos de previsão de demanda. Já a análise de conteúdo, permitiu encontrar como oportunidade de pesquisa: a integração de métodos quantitativos e qualitativos para previsão de demanda com ajuste de especialistas via método multicritério de apoio a tomada de decisão.

This study tackles the challenge of precise wood log counting, where applications of the proposed methodology can span from automated approaches for materials management, surveillance, and safety science to wood traffic monitoring, wood volume estimation, and others. We introduce an approach leveraging Conditional Generative Adversarial Networks (cGANs) for eucalyptus log segmentation in images, incorporating specialized image processing techniques to handle noise and intersections, coupled with the Connected Components Algorithm for efficient counting. To support this research, we created and made publicly available a comprehensive database of 466 images containing approximately 13,048 eucalyptus logs, which served for both training and validation purposes. Our method demonstrated robust performance, achieving an average ${\mathrm{Accuracy}}_{pixel}$ of 96.4% and ${\mathrm{Accuracy}}_{logs}$ of 92.3%, with additional measures such as F1 scores ranging from 0.879 to 0.933 and IoU values between 0.784 and 0.875, further validating its effectiveness. The implementation proves to be efficient with an average processing time of 0.713 s per image on an NVIDIA T4 GPU, making it suitable for real-time applications. The practical implications of this method are significant for operational forestry, enabling more accurate inventory management, reducing human errors in manual counting, and optimizing resource allocation. Furthermore, the segmentation capabilities of the model provide a foundation for advanced applications such as eucalyptus stack volume estimation, contributing to a more comprehensive and refined analysis of forestry operations. The methodology’s success in handling complex scenarios, including intersecting logs and varying environmental conditions, positions it as a valuable tool for practical applications across related industrial sectors.

No atual ambiente globalizado, o aumento da competitividade e a pressão para diminuir custos, tem estimulado as indústrias em aplicar métodos de previsão de demanda mais acurados. Nesse sentindo, o objetivo desse estudo é aplicar métodos individuais de previsão de demanda das famílias ARIMA e Suavização Exponencial e posteriormente combinar os melhores a fim de verificar se a acuracidade das previsões é melhorada. Para isso, são utilizadas séries históricas de três famílias de produtos de uma indústria do ramo de eletrodomésticos. Foram seguidos os passos metodológicos: (i) obtenção dos dados históricos e tratamento preliminar; (ii) aplicação das técnicas de previsão de demanda individuais; (iii) aplicação dos métodos de combinação; e (iv) escolha do modelo de combinação mais acurado. Como resultado, evidenciou-se que somente para família alfa os métodos de combinação aumentaram a acuracidade. Porém, para as famílias beta e gama não foi observado melhorias na acurácia das previsões. Apesar disso, surge como oportunidade de pesquisa a integração de previsões via julgamento de especialistas.