CENTRO DE ESTUDOS EM LOGSTICA

Metodologia para gesto de estoques de peas de reposio: um estudo de caso em empresa brasileira
produtos e sistemas defeituosos. Para isso, uma quantidade suficiente de peas de reposio deve ser mantida em estoque para atender a determinados nveis de servio ao cliente. Este pode ser normalmente medido em termos de disponibilidade de produto, como nos indicadores de probabilidade de no faltar produto em estoque e Fill Rate10/14, e em termos de prazo de entrega. Sob o prisma da administrao de materiais, as peas de reposio podem ser divididas em duas principais categorias: itens reparveis ou itens consumveis ou descartveis1. Os itens reparveis englobam as peas de reposio que so tcnica e economicamente recuperveis. Em caso de falha, a pea antiga substituda por uma nova e enviada para um centro de reparo, sendo posteriormente disponibilizada em estoque. J os itens consumveis correspondem s peas que no so tcnica e economicamente recuperveis. Em caso de falha, a pea antiga simplesmente descartada. No primeiro caso, a possibilidade de recuperao de um item acarreta implicaes na gesto de estoques, uma vez que, em linhas gerais, as quantidades em processo de recondicionamento devem ser deduzidas das quantidades a serem ressupridas no futuro8. Este artigo baseia-se num estudo de caso13. Nele, so apresentadas consideraes metodolgicas sobre como segmentar a gesto de estoques por diferentes peas de reposio consumveis em termos de suas caractersticas principais15: consumo mdio e coeficiente de variao do consumo, ou seja, a razo entre seu desvio-padro e sua mdia. Tambm so tecidas consideraes sobre como operacionalizar essa segmentao a partir de um modelo ou poltica de gesto de estoques atualmente em curso e sobre como estimar os ganhos potenciais em termos de aumentos nos nveis de servio, de reduo dos estoques e de reduo nos erros de previso. Mais especificamente, descrita a metodologia operacionalizada atravs de planilha MS-Excel e do pacote estats-

Peter Wanke

Introduo

ma tpica empresa fabricante de bens de consumo tende a manter entre US$ 5 milhes e US$ 15 milhes imobilizados em peas de reposio, a um custo de oportunidade anual que oscila entre 20% e 40% do valor em estoque7. De modo geral, h um consenso de que os estoques de peas de reposio no podem ser gerenciados pelos modelos ou mtodos tradicionais, j que as condies para sua aplicao no so satisfeitas. Isso porque o padro de consumo espordico (ou seja, irregular e pequeno), os tempos de resposta do ressuprimento so longos e os custos de aquisio so elevados1. Mesmo assim, as perguntas bsicas da gesto de estoques ainda devem ser respondidas: quais itens devem ser estocados e o quanto de cada item deve ser mantido em estoque. A gesto das peas de reposio tambm pode ser entendida pelo aspecto do servio ao cliente e no apenas pelo aspecto financeiro e/ou de logstica. Para muitas empresas que enfrentam um ambiente competitivo mais acirrado, a satisfao dos clientes crucial3. Um meio bastante comum de manter os clientes satisfeitos na assistncia ps-venda, atravs do rpido reparo dos
60 - Revista Tecnologstica - Dezembro/2005

tico SPSS para os itens consumveis de uma empresa fabricante de equipamentos e implementos agrcolas instalada no Brasil. Por razes bvias, informaes sensveis empresa, ao seu posicionamento na indstria e s suas operaes sero omitidas ou disfaradas.

Reviso da literatura
A gesto de estoques tem recebido substancial ateno dos meios acadmico e empresarial nos ltimos anos. A maior parte da literatura est focada em determinar, estabelecer ou aplicar mtodos para ressuprimento dos estoques em ambientes de produo e distribuio1. Nesses ambientes, a demanda e o tempo de resposta tendem a ser previstos com maior grau de certeza e a grande maioria dos modelos empregados permite a tomada de decises adequadas sobre quanto manter em estoque de cada item ou produto11. Nesse artigo, a tomada de deciso em gesto de estoques ocorre num contexto totalmente diferente, ou seja, o ressuprimento de peas de reposio. Nesse contexto, empresas e gerentes enfrentam um problema mais complexo: peas de reposio so caras, a demanda errtica e difcil de prever, tempos de resposta so longos e estocsticos e os clientes querem receber as peas de reposio rapidamente. Dessa forma, a literatura sobre o ressuprimento de peas de reposio tende a ser mais escassa1 e os desenvolvimentos nos ltimos dez anos tendem a apresentar vrias abordagens para o problema, como a determinao do ltimo pedido4, a determinao do intervalo timo de reviso9 e a determinao de polticas de estoque com base na criticidade dos itens2. Mais especificamente, o desenvolvimento da reviso de literatura foi direcionado para o mapeamento de abordagens realistas, previamente testadas em empresas, como as de Yeh (1997), Robison (2001), Sandivg e Allaire (1998) e as dos prprios Botter e Fortuin (2000); abordagens puramente tericas e hipotticas por natureza foram desconsideradas, sendo privilegiada sua aplicabilidade prtica. Yeh (1997) adotou a premissa da distribuio Gama da demanda para determinao dos pontos de ressuprimento numa empresa de mdio porte, fabricante de produtos eletrnicos, localizada em Taiwan. Pelo fato de mais da metade dos dez mil itens analisados apresentar algum consumo menos de dez vezes por ano, a premissa da distribuio Normal foi inicialmente descartada. A distribuio Poisson, tambm utilizada bastante na prtica8/14 e proposta como uma alternativa dis-

tribuio Normal para itens de baixo consumo, tambm foi descartada. De acordo com Yeh, a aplicabilidade da premissa da distribuio Poisson depende da razo entre a varincia e a mdia da demanda, que deve se situar entre os limites de 0,9 e 1,1. Robison (2001) desenvolveu uma tcnica para analisar os nveis de estoque e prever o nvel de servio ao cliente, considerando-se simultaneamente 15 mil itens. De modo inverso, dado um determinado nvel de servio, a tcnica desenvolvida permite calcular os nveis de estoque necessrios. Mais especificamente, atravs de mtodos como Anlise de Regresso Linear, Robison determinou equaes que relacionam nveis de servio aos nveis de estoque, com coeficientes de determinao (R2) ao redor de 0,70. Sandvig e Allaire (1998) desenvolveram um modelo em planilha MS-Excel para evidenciar como os nveis de estoque respondiam, em termos de nvel de servio, sob diferentes cenrios de demanda. A partir dos dados reais de consumo de milhares de peas de reposio numa empresa norte-americana, os autores determinaram que nveis de servio mais baixos resultavam da interao da elevada variabilidade da demanda com longos tempos de resposta. Aes foram tomadas no sentido de reduzir os nveis de estoque a partir de mudanas na sistemtica de colocao dos pedidos por parte dos clientes. Botter e Fortuin1 segmentaram 50 mil peas de reposio em nveis decrescentes de consumo, tempo de resposta, preo e criticidade de cada item, com a subseqente determinao dos valores mdios para cada nvel. Nveis de servio foram calculados para esses segmentos com base nesses valores, considerando-se situaes alternativas de ressuprimento a partir de um centro de distribuio regional ou de um armazm local. Ganhos em termos de reduo de nveis de estoque e aumento nos nveis de servio tambm foram estimados para cada segmento. A breve descrio dessas quatro abordagens prticas, aplicadas gesto de peas de reposio, permite inferir alguns aspectos metodolgicos sobre como empresas e gerentes esto encaminhando a determinao desses nveis de estoque: A aproximao dos dados de consumo pela distribuio Gama para clculo dos pontos ou nveis de reposio dos estoques12; A utilizao de tcnicas de anlise estatstica multivariada para relacionar nveis de estoque a medidas de nvel de servio como, por exemplo, o Fill Rate6;
Dezembro/2005 - Revista Tecnologstica - 61

CENTRO DE ESTUDOS EM LOGSTICA

A utilizao de dados reais do consumo para testar as polticas de estoques propostas7 em termos de nvel de servio; A segmentao das peas de reposio com base em diferentes critrios e o clculo de estimativas sobre ganhos de nvel de servio e redues nos nveis de estoque para cada segmento1.

A empresa e a poltica atual gesto de estoques

A empresa um dos maiores fabricantes multinacionais de equipamentos e implementos agrcolas instalados no Brasil. Para apoiar a assistncia tcnica e o servio ps-venda de seus equipamentos, a empresa mantm 20.833 diferentes tipos de itens centralizados em seu armazm de fbrica, totalizando um montante de capital empatado em estoque da ordem de 20 milhes de dlares. Existe aproximadamente um milho de unidades em estoque, o que perfaz um vaFill Rate Nvel de Estoque lor unitrio mdio de 20 dlares. N Vlidos 20.824 20.833 Atualmente, a empresa decide repor os estoques Faltas 9 1 com base em previses de consumo para os prxiMdia 0,8028 52,4009 mos meses. Todas as peas de reposio so proMediana 0,8330 8,0000 duzidas internamente e os ciclos de programao Desvio-padro 0,12885 237,37580 da produo observam o horizonte de um ms. Em Mnimo 0,03 0,00 linhas gerais, pode-se dizer que o tempo de resposMximo 1,00 9.810,00 ta para disponibilizao de um pedido de peas de Percentis 25 0,7500 2,0000 reposio tem mdia de um ms e desvio-padro 50 0,8330 8,0000 de zero. 75 0,9170 27,0000 De acordo com a Tabela 1, o consumo anual mTabela 3 Distribuio de freqncias - Fill Rate e nvel de estoque dio por item (D_YR) de quase 63 unidades e seu
N 20.833 20.833 20.833 20.833 Mnimo 0,30 0,30 0,00 Mximo 29.756,00 6,00 1.218,20 Mdia 62,6849 2,7699 4,0879 Desvio-padro 422,42238 1,59721 24,12931

desvio-padro de 422 unidades. O consumo anual por item, com base nos ltimos 36 meses, vai de um mnimo de 0,30 a um mximo de 29.756 unidades, denotando simultaneamente grande amplitude e concentrao dos dados para valores inferiores mdia. J a mdia do coeficiente de variao do consumo mensal (CV) de aproximadamente 2,8, e o erro mensal mdio de previso em valores absolutos (MAD Mean Absolute Deviation) por item de 4,1. O desvio-padro do erro de previso mdio absoluto de 24 unidades por ms. J de acordo com a Tabela 2, metade dos itens (mediana) apresenta consumo anual menor ou igual a 5,70 unidades. Com relao ao coeficiente de variao do consumo mensal, metade dos itens apresenta valores superiores a 2,4. Esses dados refletem as caractersticas principais envolvidas na gesto de estoques de peas de reposio apontadas na literatura: consumo pequeno e

D_YR CV MAD N vlido

Tabela 1 Estatsticas descritivas para os ltimos 36 meses

N Mediana Desvio-padro Percentis

Vlidos Faltas

25 50 75

D_YR 20.833 0 5,7000 422,42238 1,7000 5,7000 22,0000

CV 20.833 0 2,4000 1,59721 1,5000 2,4000 3,7000

MAD 20.833 0 0,6000 24,12931 0,2000 0,6000 2,1000

Tabela 2 Distribuio de freqncias para os ltimos 36 meses

62 - Revista Tecnologstica - Dezembro/2005

irregular, com elevado desvio-padro dos erros de previso, implicando elevados nveis de estoque em relao ao consumo mdio. A empresa mede o nvel de servio oferecido aos seus clientes atravs de indicadores de Fill Rate para cada item pedido. Por exemplo, para um determinado item, se a quantidade inicialmente solicitada foi de cem unidades e s havia 80 unidades disponveis em estoque, o Fill Rate calculado como 80%. Conforme indicado na Tabela 3, nos ltimos 36 meses, o Fill Rate mdio para todos os itens da empresa foi de 80,28%, sendo que 50% dos itens apresentaram Fill Rate inferior a 83,30%. Um quarto dos itens apresentou Fill Rate superior a 91,70%, provavelmente denotando excesso de itens em estoque.

CENTRO DE ESTUDOS EM LOGSTICA

Passo 1: calcular, para cada item, a mdia de erro absoluto de previso, Fill Rate e nvel de estoque para os ltimos 36 meses (horizonte de tempo considerado no estudo de caso); Passo 2: aproximar o consumo real de cada item pela distribuio Gama; Passo 3: determinar os nveis de estoque para diferentes nveis de probabilidade de no faltar produto em estoque (10%, 20%, 30%, at 90%); Passo 4: calcular os novos erros absolutos de previso de consumo, considerando cada nvel de estoque uma previso probabilstica. Calcular tambm os novos indicadores de Fill Rate e nvel de estoque mdio; Passo 5: confrontar os erros calculados no passo anterior com os erros absolutos de previso gerados pelo modelo atualmente adotado (passo1); Passo 6: identificar os modelos de menor erro absoluto para cada um dos itens; Passo 7: segmentar a base de dados e executar os passos seguintes para os itens nos quais as previses probabilsticas geraram menor erro de previso; Passo 8: conduzir anlise de regresso logstica multinomial para segmentar os modelos (previses probabilsticas) em funo do consumo mdio anual e do coeficiente de variao do consumo mensal. A segmentao decorre da quantificao dos valores mais provveis dessas duas variveis para um determinado modelo; Passo 9: calcular, para cada item, a variao no MAD, Fill Rate e nvel de estoque a partir da diferena nos resultados gerados nos passos 1 e 4; Passo 10: conduzir Anlise de Regresso Linear Mltipla para cada varivel dependente do Passo 9 em funo do consumo mdio anual e do coeficiente de variao do consumo mensal. Essas anlises permitem prever os ganhos decorrentes da mudana de modelo e devem ser utilizadas em conjunto com os resultados do Passo 8.
Tabela 4 Metodologia proposta

De acordo com a Tabela 3, existem em mdia 52,4 unidades para cada item em estoque. 25% dos itens possuem mais de 27 unidades, com estoque mximo de 9.810 unidades. Outros 25% dos itens possuem menos de duas unidades, com estoque mnimo de zero. Esses dados, quando confrontados aos da Tabela 1, indicam uma cobertura agregada de quase dez meses de consumo em estoque. No presente momento, a empresa est reestruturando a gesto de estoques de peas de reposio. Seu objetivo principal a determinao de previses de consumo mais precisas para cada item, como meio para simultaneamente reduzir os nveis de estoque e equilibrar os nveis mdios de Fill Rate para os diferentes itens.

Metodologia utilizada
Com base na reviso da literatura, a metodologia empregada para a redefinio da gesto de estoques de peas de reposio consistiu das etapas descritas a seguir. Inicialmente foram determinados os nveis de reposio dos estoques com base na distribuio Gama do consumo mensal. A distribuio Gama defi63 - Revista Tecnologstica - Dezembro/2005

nida por dois parmetros12, sendo o primeiro a razo entre o consumo mdio e o coeficiente de variao do consumo e, o segundo, o prprio coeficiente de variao do consumo. Para cada item, esses nveis de reposio foram primeiramente determinados para diferentes nveis de probabilidade de no faltar produto em estoque (doravante denominados de modelos 10%, 20%, 30%, 40%, 50%, 60%, 70%, 75%, 80%, 85%, 90%, 95% e 99%) e secundariamente utilizados como previses probabilsticas de consumo. Essas previses foram confrontadas com os dados reais de cada item para os ltimos 36 meses, sendo calculados, item a item, novos valores para o erro mdio absoluto de previso (MAD), o Fill Rate e o nvel de estoque. Atravs de tcnicas de anlise multivariada, foi possvel relacionar o consumo anual e o coeficiente de variao do consumo mensal de cada item s variaes no MAD, Fill Rate e nvel de estoque, decorrentes da comparao entre o modelo atualmente adotado pela empresa e os modelos propostos. Tambm foi possvel relacionar, para cada item, o modelo de previso de consumo de menor erro ao consumo anual e ao coeficiente de variao do consumo mensal.

Resultados alcanados
Os resultados apresentados constituem avanos nos aspectos terico e prtico da gesto de estoques de peas de reposio. As implicaes tericas esto relacionadas aplicao em conjunto, num fabricante brasileiro de equipamentos e implementos agrcolas, de quatro abordagens prticas recentemente relatadas na literatura: (1) aproximao dos dados do consumo pela distribuio Gama, (2) utilizao de tcnicas estatsticas multivariadas para estimao de variaes em indicadores-chave da gesto de estoques, (3) utilizao de dados reais do consumo para testar os modelos alternativos propostos e (4) segmentao das polticas de estoque com base nas caractersticas principais das peas de reposio. Por sua vez, as implicaes prticas esto relacionadas aos ganhos estimados para a empresa analisada e facilidade de replicao das anlises apresentadas no meio gerencial.

Especificamente com relao ao avano terico, a capacidade explicativa e preditiva das anlises desenvolvidas para segmentar os modelos de gesto de estoques e estimar as variaes em indicadores como MAD, Fill Rate e nveis de estoque, a partir do consumo anual e do coeficiente de variao do consumo mensal, permite formalizar uma metodologia para a gesto de estoques de peas de reposio composta por dez passos, conforme descrio apresentada na Tabela 4. J com relao aos ganhos para a empresa analisada, os resultados apontam para uma reduo potencial de 14 milhes de dlares (aproximadamente 70%) no montante de capital empatado em estoque. Essa soma foi obtida considerando-se o produto do valor mdio de cada item em estoque (20 dlares) com a reduo mdia efetivamente verificada de 79,46 unidades para cada um dos 8.893 itens da amostra efetivamente considerada na anlise. Considerando-se a cobertura mdia dos estoques (cf. Tabelas 1 e 3), espera-se que 50% desse potencial sejam reconvertidos em capital de giro ao final de dez meses.

CENTRO DE ESTUDOS EM LOGSTICA

Finalmente, com relao ao meio gerencial, a metodologia descrita pode ser facilmente implementada e operacionalizada em planilha MS-Excel e no software estatstico SPSS, necessrio especificamente para a execuo do Passo 8. A partir do consumo anual mdio e do coeficiente de variao do consumo mensal de um determinado item, essa metodologia permite responder s seguintes questes: (1) qual modelo possui maior probabilidade de apresentar menor erro de previso? e (2) quais as variaes esperadas em termos do erro mdio absoluto de previso, do Fill Rate e do nvel de estoque ao se adotar esse modelo?.

Concluses
Neste artigo, relatado um estudo de caso desenvolvido num fabricante brasileiro de equipamentos e implementos agrcolas, no qual recentes abordagens para gesto de peas de reposio so utilizadas em conjunto. A capacidade preditiva e explicativa das anlises multivariadas desenvolvidas permitiu a proposio de uma nova metodologia para determinar modelos de gesto de estoques mais precisos e quantificar variaes nos erros de previso, nos nveis de servio e nos nveis de estoque. Dentre outros elementos, a metodologia baseia-se na premissa da distribuio Gama do consumo de peas de reposio e na segmentao dos modelos por suas caractersticas principais: consumo mdio e coeficiente de variao do consumo. Estudos futuros deveriam considerar nas anlises multivariadas a interao do consumo anual mdio com o coeficiente de variao do consumo mensal. O efeito conjunto dessas duas variveis pode aumentar a capacidade preditiva e explicativa das anlises conduzidas, haja vista que itens com consumos mais elevados tendem a apresentar coeficientes de variao mais reduzidos e vice-versa.

Referncias Bibliogrficas
BOTTER, R.; FORTUIN, L. Stocking strategy for service parts: a case study. International Journal of Operations & Production Management, v. 20, n. 6, pp. 656-674, 2000. 2 DEKKER, R; KLEIJN, M.J.; DE ROOIJ, P.J. A spare parts stocking policy based on equipment criticality. International Journal of Production Economics, v. 56/57, n. 1-3, pp. 69-77, 1998. 3 FIGUEIREDO, K.F.; FLEURY, P.F.; WANKE, P. Logstica e gerenciamento da cadeia de suprimentos. So Paulo: Editora Atlas, p.483, 2003.
65 - Revista Tecnologstica - Dezembro/2005
1

HILL, R.M.; OMAR, M.; SMITH, D.K. Stock replenishment policies for a stochastic exponentially-declining demand process. European Journal of Operational Research, v. 116, pp. 374-388, 1999. 5 KIM, J.S.; SHIN, K.C.; YU, H.K. Optimal algorithm to determine the spare inventory level for a repairable-item inventory system. Computers Operations Research, v. 23, n. 3, pp. 289-297, 1996. 6 ROBISON, J.A. Inventory profile analysis: an aggregation technique for improving customer service while reducing inventory. Production and Inventory Management Journal, v. 42, n. 2, pp. 8-13, 2001. 7 SANDVIG, J.C.; ALLAIRE, J.J. Vitalizing a service parts inventory. Production and Inventory Management Journal, v. 39, n. 1, pp. 67-71, 1998. 8 SHERBROOKE, C.C. Metric: a multi-echelon technique for recoverable item control. Operations Research, v. 16, pp. 122141, 1968. 9 SHIBUYA, T.; DOHI, T.; OSAKI, S. Optimal continuous review policies for spare part provisioning with random lead times. International Journal of Production Economics, v. 55, n. 3, pp. 257-271, 1998. 10 SILVER, E.; PETERSON, R. Decision systems for inventory management and production planning. New York: Wiley, p 722, 1985. 11 SILVER, E.; PYKE, D.; PETERSON, R. Inventory management and production planning and scheduling. New York: Wiley, p 754, 1998. 12 YEH, Q.J. A practical implementation of gamma distribution to the reordering decision of an inventory control problem. Production and Inventory Management Journal, v. 38, n. 1, pp. 51-57, 1997. 13 YIN, R.K. Case study research: design and methods. Thousand Oaks: Sage, 1994. 14 WANKE, P. Gesto de estoques na cadeia de suprimentos. So Paulo: Editora Atlas, 2003. 176 p. 15 WILLIAMS, T.M. Stock control with sporadic and slowmoving demand. Journal of the Operations Research Society, v. 35, n. 10, pp. 939-948, 1984.

Peter Fernandes Wanke D.Sc., pesquisador do Centro de Estudos em Logstica CEL do Coppead/UFRJ Fone: (21) 2598-9812 peter@coppead.ufrj.br