Posts

Quando centralizar e quando descentralizar o estoque?


Já escrevi aqui neste mesmo espaço sobre o dilema das empresas em produzir contra-pedido (make to order) ou produzir para estoque (make to stock). Mas, uma vez que a empresa entenda que esta última é a melhor alternativa para o seu negócio, onde esse estoque deve ficar localizado? É melhor manter o estoque disperso geograficamente e mais próximo aos clientes potenciais ou mantê-lo centralizado, reduzindo a necessidade de estoque?

Normalmente, quando as empresas decidem sobre a centralização ou a descentralização dos estoques, o seguinte paradigma permeia o processo de tomada de decisão: ao centralizar, os estoques de segurança são reduzidos porque a empresa ganha com a compensação da flutuação da demanda em diferentes regiões de mercado. Quando a demanda aquece em uma região e desaquece em outra, uma localização central permite a empresa “ganhar pela média”. Se os estoques estão descentralizados, a empresa corre o risco do desbalanceamento de estoques e de gastos adicionais com transferência de produtos.

Por outro lado, além da descentralização reduzir o tempo de resposta e a variabilidade do lead-time para o cliente, também são reduzidos os custos de transporte, uma vez que a empresa reduz a distância percorrida na última milha, que é a etapa mais cara de transporte.

E então, como tomar a melhor decisão? Para definir onde localizar o estoque, é importante que a empresa se atente a algumas características da demanda e do produto, além das exigências de serviço do cliente.

Características da Demanda

As características da demanda abrangem o giro e a variabilidade das vendas. Quanto maior for o giro do produto, ou seja, quanto menor for a cobertura do estoque de um lote de médio compra/produção, maior será a propensão para descentralização dos estoques, pois os riscos associados à obsolescência, perda ou encalhe de produtos são minimizados. Já os produtos com alto grau de variabilidade da demanda tendem a ser centralizados, pois quanto maior a variabilidade, maiores são as necessidades de estoques de segurança e a descentralização aumentaria ainda mais esta necessidade. Normalmente, produtos com ciclos de vida mais longos e pequeno número de substitutos apresentam um perfil de demanda mais previsível, tendendo a ter seus estoques descentralizados, pois seus riscos de encalhe de produtos são reduzidos.

Características do Produto

As características do produto abrangem o valor agregado e grau de obsolescência dos produtos. Quanto maior for o valor agregado, maior será a propensão para centralização dos estoques em uma única instalação, a fim de reduzir a duplicidade de custos associados à manutenção de estoques de segurança em diversas localidades. O mesmo acontece para o fator obsolescência: quanto maior for o grau de obsolescência, maior será a propensão para centralização dos estoques, a fim de reduzir os riscos de encalhe decorrentes de decisões equivocadas como, por exemplo, o envio de um produto específico para o armazém de uma região que não demanda aquele item. Por motivos como esse, é comum empresas de varejo centralizarem a armazenagem de aparelhos celulares em poucos Centros de Distribuição, uma vez que se trata de produtos de elevado valor agregado e algo grau de obsolescência.

Exigência de serviço

O nível de exigência do mercado também afeta a localização dos estoques, sendo caracterizado por duas dimensões básicas: prazo de entrega e disponibilidade do produto. Prazos de entrega mais curtos e consistentes são alcançados mais facilmente através da descentralização física, isto é, da localização dos estoques mais próxima ao cliente final. A descentralização, no entanto, pode afetar a disponibilidade, pois aumenta a dificuldade de gerir os estoques em diversos pontos. Quando os estoques estão descentralizados, variações locais afetam o estoque diretamente, enquanto os estoques centralizados absorvem melhor as variações, pois elas se compensam entre si. Assim, para garantir um mesmo nível de disponibilidade de produtos através de uma rede descentralizada é necessário um nível de estoque superior, o que demanda um maior dispêndio financeiro da companhia.

A imagem a seguir sintetiza como cada atributo impacta na decisão de localização do estoque de um produto:

Imagem: Atributos a serem consideradas no momento de posicionamento do estoque
Fonte: ILOS

 

Em resumo, não existe uma resposta certa. Cada empresa possui uma realidade e dentro da uma própria empresa cada produto tem suas características, que vão levar a decisões diferentes. Inclusive um mesmo produto vai ter características que irão sugerir a centralização e outras irão direcionar para a descentralização. Neste caso, a empresa deve pesar cada uma e entender quais são aquelas mais importantes.

 

Referências:

Curso Online ILOS – Gestão de Estoques

Desafios para a Utilização de Inteligência Artificial e Machine Learning no Planejamento da Demanda

No post anterior, comentei sobre de que forma o uso de ferramentas de Analytics baseadas em Inteligência Artificial (IA) e Machine Learning (ML) no processo de planejamento da demanda poderiam melhorar a acuracidade, mas que existiam barreiras para sua adoção pelas empresas.

Neste texto, pretendo listar alguns destes desafios e maneiras de sobrepassá-los:

  • Baixa maturidade no processo de planejamento atual

O que é? Processo de planejamento da demanda rudimentar e desintegrado, onde as áreas organizacionais analisam informações e tomam decisões independentemente. Com isso, não há espaço para o aprendizado contínuo a respeito do impacto das ações comerciais e de trade marketing sobre a demanda, tampouco um conhecimento profundo das variáveis exógenas a serem consideradas no planejamento. O sucesso no uso efetivo de Advanced Analytics, com IA e ML, depende de inputs de informação adequada e processos decisórios alinhados, o que só existe em processos maduros de S&OP e IBP.

O que fazer? Engajar as áreas comercial, trade marketing e financeira nos processos de S&OP/IBP, garantindo a discussão sobre o impacto das ações de mercado sobre a demanda e uma visão financeira detalhada dos planos, o que permitirá criar um processo analítico e decisório que se beneficiará do uso de Analytics.

  • Falta de conhecimento técnico da equipe

O que é? Em muitas empresas, as equipes responsáveis pelo processo de previsão de vendas possuem apenas conhecimento elementar sobre os modelos extrapolativos e causais, dependendo enormemente de ferramentas especializadas para realizar a projeção da demanda, o que resulta na subutilização do potencial das mesmas. Quando falamos em IA e ML, além da exigência de conhecimentos técnicos mais sofisticados, como programação em Python e R, é necessário ter domínio dos fatores que influenciam o comportamento das vendas, seja para “treinar” o algoritmo ou viabilizar o acesso a informações exógenas através de APIs (Application Programming Interface). Infelizmente, os cientistas de dados, como são chamados os profissionais com este conhecimento, ainda são raros e muito disputados.

O que fazer? Começar o quanto antes a capacitação da equipe nos modelos clássicos de previsão de vendas, em ferramentas de Analytics e, em paralelo, “minerar” alguns cientistas de dados para a equipe.

  • Falta de integração e colaboração na cadeia de suprimentos

O que é? O relacionamento entre parceiros comerciais ainda é baseado em relações adversativas, com disputa de margem em processos negociais, que levam a uma proteção de informações críticas para o planejamento da demanda, como dados de sell out e estoques, como forma de maximizar o poder de barganha nas negociações. Além disso, as estruturas das bases de dados foram construídas pensando mais na proteção do que no compartilhamento das informações, o que exige um esforço considerável para conexão de dados que possam alimentar algoritmos de Analytics. Em outras palavras, muitas das informações desejáveis não estão disponíveis ou não são acessíveis em uma estrutura compatível.

O que fazer? É necessário avançar rapidamente em mecanismos de colaboração na cadeia de suprimentos, como o CPFR, além de começar um movimento mais profundo – e difícil – de repensar a arquitetura de dados, privilegiando o intercâmbio de informações.

E para você? Quais são os maiores obstáculos para a utilização de Advanced Analytics no planejamento da demanda? Compartilhe conosco nas redes sociais do ILOS! Grande abraço!