Resumo: Ao se observar a literatura é possível notar que não existe uma definição clara do que são ferramentas de gestão visual. Ao longo dos anos, vários autores têm apresentado definições com similaridades e diferenças em relação ao conceito e as ferramentas que podem ser classificadas como de gestão visual. Neste contexto, este trabalho buscou identificar na literatura definições de gestão visual entre os autores. Para que essas definições fossem mapeadas e catalogadas, foi realizada uma revisão bibliográfica que analisou a definição de gestão visual entre os anos de 1988 à 2022, onde as ferramentas analisadas e citadas pelos autores encontrados são agrupadas e elencadas. Após o levantamento das definições e das ferramentas, foi realizado uma classificação de grupos de aplicação e utilização baseando-se em sua similaridade. Com base nestes grupos as ferramentas foram agrupadas como: de aquisição de dados, de análise de dados, de auxílio e orientação para a produção e de comunicação visual para tomada de decisão. Na etapa seguinte, buscou-se o ranqueamento das ferramentas, para encontrar a melhor escolha quando necessária a aplicação e utilização destas. Para esta etapa utilizou-se o modelo multicritério denominado Promethee, a fim de gerar possíveis melhores escolhas, baseando-se nos critérios de custo da implementação, tempo de implementação, tempo para validação e dificuldade de implementação. Para que os critérios pudessem ser tabulados, optou-se pelo envio de questionários a acadêmicos e profissionais da indústria privada com interface em Lean Manufacturing e Engenharia de Produção. Por fim, com base nos dados dos respondentes, o ranqueamento gerado pelo modelo matemático baseado na compilação dos dados e determinação dos pesos para os grupos de respondentes se obteve três cenários de preferência no ranqueamento: o ranqueamento geral com todo os respondentes, o ranqueamento dos respondentes de instituições de ensino com ênfase em Engenharia de Produção e o ranqueamento do colaboradores de empresas privadas do setor automotivo. Concluiu-se que embora os respondentes do grupo acadêmico sejam os precursores do conhecimento para o grupo de colaboradores em empresas privadas, não existe similaridade no resultado entre os grupos, ou seja, o ranqueamento de preferencia dos grupos não se assemelha na escolha das ferramentas e com isso, podemos concluir que a vivencia prática das ferramentas proporciona uma percepção divergente da vivida teoricamente. E por fim, os decisores quando optam pelos pesos dados aos critérios de ranqueamento e escolha, as percepções são maximizadas ou minimizadas conforme o que foi aprendido no caso dos participantes acadêmicos e o que foi vivido no caso dos respondentes de empresas privadas Ver menos

Abstract: When observing the literature, it is possible to notice that there is no clear definition of what visual management tools are. Over the years, several authors have presented definitions with similarities and differences in relation to the concept and tools that can be classified as visual management. In this context, this work sought to identify definitions of visual management among authors in the literature. In order for these definitions to be mapped and catalogued, a bibliographic review was carried out that analyzed the definition of visual management between the years 1988 to 2022, where the tools analyzed and cited by the authors found are grouped and listed. After surveying the definitions and tools, a classification of application and use groups was carried out based on their similarity. Based on these groups, the tools were grouped as: data acquisition, data analysis, aid and guidance for production and visual communication for decision making. In the next step, we sought to rank the tools, to find the best choice when necessary to apply and use them. For this stage, the multicriteria model called Promethee was used, in order to generate possible better choices, based on the criteria of implementation cost, implementation time, time for validation and implementation difficulty. So that the criteria could be tabulated, it was decided to send questionnaires to academics and professionals from the private industry with an interface in Lean Manufacturing and Production Engineering. Finally, based on the respondents' data, the ranking generated by the mathematical model based on the compilation of data and determination of weights for the groups of respondents, three ranking preference scenarios were obtained: the general ranking with all respondents, the ranking of respondents from educational institutions with an emphasis on Production Engineering and the ranking of employees from private companies in the automotive sector. It was concluded that although the academic group respondents are the precursors of knowledge for the group of collaborators in private companies, there is no similarity in the result between the groups, that is, the preference ranking of the groups is not similar in the choice of tools and with this, we can conclude that the practical experience of the tools provides a divergent perception of the one lived theoretically. And finally, when decision makers opt for the weights given to the ranking and choice criteria, perceptions are maximized or minimized according to what was learned in the case of academic participants and what was experienced in the case of respondents from private companies Ver menos