Abstract The development of a Performance Measurement System (PMS) in an organization is essential in order to adequately monitor operations and enable correct and timely decision-making. However, many organizations implement PMSs and are not successful, mainly because they neglect the design phase, which informs what has to be measured. Designing a PMS is a complex decision problem that involves multiple stakeholders. The objective of this research is to identify and prioritize the commercial performance indicators most valued by the stakeholders in this area in a company in the metal-mechanical segment. The research was divided into two stages, the first being a PO Soft (constructivist) approach: Value Focused Thinking - VFT, to identify performance indicators; and, in the second stage, the application of the PO Hard (Rationalist) Multicriteria Decision Support Method: Analytic Network Process - ANP, for modeling and prioritizing these. As a result, 30 performance indicators were identified, the most important ones being: percentage of target achievement, sales to new customers and percentage of growth for each customer. The results found proved to be capable of assisting the definition of strategy and business management in addition to the identification of indicators not monitored by the organization. (PMS decisionmaking. decisionmaking making. making decision-making However successful phase measured metalmechanical metal mechanical segment stages constructivist (constructivist approach VFT stage Rationalist (Rationalist Method ANP these result 3 identified achievement customer

Resumo O desenvolvimento de um Sistema de Medição de Desempenho (SMD) em uma organização é uma questão essencial para acompanhar adequadamente as operações, e possibilitar as tomadas de decisões corretas e a tempo. Porém, muitas organizações implementam os SMDs e não obtém sucesso, principalmente, por negligenciar a fase de projeto, que trata sobre o que medir. Projetar um SMD é um problema de decisão complexo que envolve vários stakeholders. O objetivo desta pesquisa é identificar e priorizar os indicadores de desempenho comerciais mais valorizados pelos stakeholders desta área em uma empresa do segmento metal-mecânico. A pesquisa foi dividida em duas etapas, sendo na primeira aplicada uma abordagem da PO Soft (construtivista): Value Focused Thinking - VFT, para identificação dos indicadores de desempenho; e na segunda etapa a aplicação do Método de Apoio a Decisão Multicritério da PO Hard (racionalista): Analytic Network Process - ANP, para modelagem e priorização destes. Como resultado, foram identificados 30 indicadores de desempenho, sendo os de maior peso: percentual do atingimento da meta, faturamento a clientes novos e percentual de crescimento de cada cliente. Os resultados encontrados mostraram-se capazes de auxiliar a definição da estratégia e gestão comercial além da identificação de indicadores não monitorados pela organização. (SMD operações tempo Porém sucesso principalmente projeto medir metalmecânico. metalmecânico metal mecânico. mecânico metal-mecânico etapas construtivista (construtivista) VFT racionalista (racionalista) ANP destes resultado 3 peso meta cliente mostraramse mostraram se (construtivista (racionalista

Abstract Paper aims Investigate whether the results of time series models can be adjusted with the AHP method towards a more assertive forecast. Originality Considering demand forecasting as a complex decision-making situation, this research investigated the use of the AHP as a complement to traditional forecasting methods. Research method This applied research employed, as main procedures, literature review and mathematical modeling. Main findings Two models were proposed that presented satisfactory results: model I reduced the forecast error by 16% in January, 25% in February, 37% in March, 3% in April, and 7% in May; model II reduced it by 17% in January, 21% in February, 29% in March, 2% in April, and 5% in May. Implications for theory and practice We conclude that the AHP has the potential to correct the results of time series in the textile industry by allowing the incorporation of quantitative and qualitative variables.