Estabelecendo uma ferramenta de previsão de demanda que auxilie no controle de estoque de produtos da sua empresa
A abordagem analítica – unindo previsão e otimização
Um dos maiores desafios para as empresas de diferentes setores da economia é o controle dos níveis de estoque dos seus produtos, tanto nas etapas finais quanto em etapas intermediárias da cadeia. Quanto maior o valor agregado dos produtos, maior o custo de oportunidade em manter um nível alto de estoque para assegurar que não haja ruptura na cadeia, contudo, em casos de alta movimentação dos produtos, reduzir significativamente os níveis de estoque torna a operação extremamente vulnerável a eventos de ruptura. Nesse cenário, usar uma abordagem analítica, que parte de uma previsão de demanda acurada e de um modelo de otimização para definir quais os momentos de inserir e de retirar determinado produto na cadeia é a mais recomendada. Assim, torna-se uma maneira mais eficiente de minimizar os custos da operação, logísticos e financeiros, além de controlar o trade-off entre nível de serviço, custos logísticos e custos financeiros.
É essencial que desde o início da modelagem do problema os stakeholders sejam envolvidos na discussão, construção e validação do modelo
A implantação de uma modelagem analítica para gestão de estoques de alto valor agregado deve atentar aos detalhes operacionais para assegurar que os resultados obtidos em simulações sejam de fato alcançados. É essencial que desde o início da modelagem do problema, as particularidades da operação sejam consideradas e os stakeholders sejam envolvidos no processo de discussão, construção e validação do modelo. Dessa forma, os detalhes da operação serão traduzidos na modelagem matemática, tratando inclusive casos especiais e garantindo que as áreas terão total confiança no modelo para a tomada de decisão.
Na análise da gestão de estoques de uma cadeia existem dois fatores que são suscetíveis a uma alta variabilidade: a demanda por produtos e o tempo necessário para que esses produtos sejam disponibilizados. A utilização de uma metodologia com embasamento técnico traz uma série de benefícios para a operação, ao:
- Garantir o suprimento de produtos com um nível de serviço adequado à operação
- Equilibrar o custo total da cadeia, buscando cenários de ótimo global
- Planejar as movimentações de estoque de forma adequada, dando visibilidade de saídas e entradas de produtos em todos os elos da cadeia
Previsão de demanda – o primeiro passo para um bom planejamento de estoques
A construção de um modelo inicia-se com uma previsão de demanda acurada. Conseguir precisar o fluxo do estoque, minimizando os erros e identificando as variáveis que de fato impactam na variação da demanda de um produto na cadeia, é a primeira etapa para que os volumes em cada etapa da cadeia de valor sejam otimizados.
Para se desenvolver um modelo de previsão de demanda, é necessário inicialmente entender a natureza da operação para avaliar quais são os principais fatores que influenciam sua variação ao longo do tempo. Após esse entendimento, é possível avaliar quais métodos se adequam melhor às particularidades da operação.
Dentre as opções possíveis, é possível separá-las em duas categorias: métodos temporais e métodos causais.
Métodos de previsão de demanda
Decomposição Clássica: Método para previsão de estatística que consiste na decomposição de uma série histórica nas componentes de tendência, sazonalidade e ciclo para a projeção desses valores para o futuro.
Amortecimento Exponencial: Assim como para a decomposição clássica, esse método realização a decomposição da série em componentes de tendência, sazonalidade e ciclo para a projeção dos valores para o futuro, porém, é possível diferenciar a importância dos dados mais recentes em relação aos mais antigos.
Regressão Múltipla: Método preditivo causal que consiste em utilizar variáveis independentes para aprender sobre a relação que elas possuem sobre uma variável dependente. Esse é um dos métodos mais simples da técnica de aprendizado de máquinas (machine learning).
Redes Neurais: Técnica de aprendizado de máquinas que consiste na utilização de diversas variáveis para constituir camadas de relacionamento entre as variáveis, simulando a rede de neurônios de um cérebro e suas conexões.
O primeiro se baseia em analisar os dados de demanda de maneira cronológica e aplicar para prever valores futuros. Nessa categoria enquadram-se, por exemplo, os seguintes métodos: Decomposição Clássica e Amortecimento Exponencial.
O segundo se baseia na utilização de variáveis que explicam a demanda e, com a projeção dessas variáveis, constrói-se a previsão. A regressão múltipla e redes neurais são exemplos de métodos causais. Esse tipo de método tem a vantagem de possibilitar a inclusão de variáveis para explicar diferentes sazonalidades, como dia da semana, dia útil do mês, semana do mês, além de fatores externos como inflação e feriados. A principal dificuldade na utilização de métodos causais é a necessidade de uma previsão de valores futuros para todas essas variáveis.
A partir dos métodos de previsão de demanda citados acima, é possível criar uma ferramenta que testa cada um dos métodos, determina qual deles apresenta maior acuracidade e aplica esse método para a previsão de demanda. Essa ferramenta é aplicável em diversos negócios, operações ou indústrias, como previsão de entrada e saída de dinheiro em agências bancárias e caixas eletrônicos, produtos e serviços de suporte realizados por áreas de backoffice e venda de produtos de uma empresa de varejo de presentes.
Gerenciando os níveis de estoque – o trade-off entre overstock e o risco de stockout
Após a obtenção de uma previsão de demanda é necessário definir qual será a estratégia adotada para o planejamento de estoque. Considerando estoques de alto valor agregado, é fundamental ter uma visão completa dos custos e fatores que impactam na cadeia, como por exemplo:
- Custo de transporte de produtos
- Custo de oportunidade associado ao volume de estoque
- Custo de recebimento e expedição do produto em cada transporte
- Riscos de segurança associados ao transporte dos produtos
- Riscos de segurança associados à manutenção de um nível de estoque muito alto
- Nível de serviço da operação
Uma vez definido o modelo de gestão de estoques, a implantação deve ser feita com bastante atenção aos detalhes da operação, com o time envolvido no dia a dia se sentindo parte do novo modelo. O usuário precisa reconhecer o valor final do trabalho e garantir o alinhamento entre todos os stakeholders, evitando conflitos de interesses entre as áreas impactadas pela operacionalização do modelo.
Por ser um processo com potencial para envolver alterações significativas na operação, a gestão da mudança é essencial. A transição para um novo modelo de tomada de decisão é um processo crítico, interferindo na rotina de áreas que são impactadas pelos níveis de estoque e de diversos colaboradores, que devem ser treinados para a operação no modelo implantado.
Os fatores que levam ao sucesso da implantação
Com a mudança de mindset da empresa causada por alterações na política de gestão de estoques a partir de uma modelagem matemática que minimize os custos de forma global, algumas etapas da cadeia podem passar a custar um valor maior. Se a companhia optar por uma modelagem que reduza o volume de estoques, pode ser necessário um custo maior com transporte, mas que será compensado por uma redução de custo de oportunidade, impactando na redução do custo global da operação. Para que essa transição de mentalidade da operação seja realizada com êxito, é necessário assegurar três pontos fundamentais: alinhamento de metas, capacitação da equipe e acuracidade do modelo.
- Alinhamento das metas – A garantia de que todos estarão buscando os mesmos objetivos: O novo modelo de gestão de estoques não terá o seu máximo potencial obtido se houver um desalinhamento entre as áreas impactadas pela operação. Para mitigar esse risco, as metas da operação devem ser definidas em concordância com o modelo de gestão de estoques, para evitar que, por exemplo, a meta de um stakeholder seja minimizar o custo logístico enquanto o novo modelo aumenta o custo logístico para trazer um maior retorno em custo de oportunidade.
- Capacitação da equipe – A garantia de que a área de Planejamento de estoques está alinhada às novas políticas : A mudança de mindset na política de estoques levantará questionamentos de diversas áreas da empresa. Por exemplo, a atualização dessa política pode trabalhar com níveis de segurança menores, podendo levar a um aumento da ocorrência de ruptura do sistema. Para que essa ideia seja difundida é necessário que os principais stakeholders da área responsável pelo planejamento de estoque estejam totalmente treinados para responder os questionamentos e transmitir para os demais pontos focais atingidos pela mudança uma visão positiva do modelo.
- Acuracidade do modelo: A garantia de eficácia frente às situações corriqueiramente enfrentadas na gestão de estoques da empresa: Na implantação de um novo modelo de planejamento de estoques surgirão especificidades que podem não ter sido mapeadas no momento de desenvolvimento da modelagem matemática que solucionou o problema. É essencial que essas situações sejam analisadas e o modelo seja adaptado para atender às particularidades da operação, caso contrário, pontos focais importantes podem passar a usar as exceções como regra e gerar um descrédito para a modelagem matemática. Para isso, torna-se importante a passagem do conhecimento e desenvolvimento de habilidades no time responsável pela operação e manutenção do modelo, garantindo que ajustes e evolutivas sejam realizados com alta responsividade.
Observados todos os pontos acima, a implantação de um modelo robusto, voltado para a minimização do custo global da operação, tem um enorme potencial de geração de resultado, principalmente em cenários de alta de juros e consequente alta do custo de capital atrelado ao estoque da empresa. A capacidade de gestão da operação, aliada à expertise analítica para desenvolvimento e operação de um modelo de previsão e otimização, é a chave para que o processo de Planejamento de Estoque seja revisado e que haja uma evolução de maneira orgânica e sustentável.
Sobre os autores
Marcus Sousa é consultor da Visagio, especialista em projetos com foco em modelo de gestão, suprimentos e analytics nos setores de varejo, mercado financeiro, indústria metalúrgica e energia. Atua também como líder da área de Research & Intelligence da Visagio, com foco em pesquisas e análises de mercado.
Felipe Pena é consultor da Visagio, especialista em projetos com foco em gestão orçamentária, engenharia de processos e analytics nos setores de adquirência e no setor bancário.