Parte 1 Introduo A gesto estratgica de estoques vem ganhando importncia cada vez maior na gesto da cadeia de suprimentos.

Com o aumento da competio global e a presso sobre o mercado, as empresas se colocam em busca de vantagens competitivas, tais como customizao de servios e produtos, melhoria no nvel de servio e reduo dos custos totais. O desafio maior assegurar elevados nveis de servio ao menor custo. Pesquisa realizada pelo ILOS revela a importncia dos custos com estoque para as empresas brasileiras. Dos custos logsticos totais, os estoques constituem uma parcela de 26%, porcentagem menor apenas que os gastos com transportes. A mesma pesquisa revela, ainda, que os custos logsticos representam 11,6 % do Produto Interno Bruto nacional, dos quais 3,5 % so relativos aos estoques. Os estoques aparecem na cadeia de suprimentos sob diversos formatos, tais como insumos, produtos acabados e semiacabados. Tambm podem estar na forma de peas manuteno, reparo e operao, conhecidas como MRO (Maintenance, Repair and Operation). Alm destes, existem diversos outros fatores que contribuem para uma preocupao crescente com a poltica de gesto de estoques. Wanke (2003) cita alguns deles: A proliferao de SKUs, que torna mais complexa a determinao dos tamanhos dos lotes, pontos de pedido e estoques de segurana; O elevado custo de oportunidade do capital ao manter estoques, a empresa imobiliza parte do seu capital de giro, que poderia ser aplicada no mercado financeiro; A reduo do Capital Circulante Lquido (diferena entre ativo circulante e passivo circulante), indicador financeiro importante para empresas que desejam maximizar seu valor de mercado. Considerando todos esses fatores, as principais decises a serem tomadas no gerenciamento de estoques so: quanto pedir, quando pedir, quanto manter em estoque de segurana, onde localizar os estoques e como controlar o sistema. A estruturao dessas decises por parte das empresas pode ser em muito auxiliada usando um mapa de estoque. Devido extenso do assunto, o presente artigo ser dividido em duas partes. Na primeira, ser abordado o conceito de mapa de estoque, bem como formas de se classificar a demanda, utilizando-se esse conceito. Na segunda parte, sero analisadas trs ferramentas desenvolvidas para auxiliar o controle dos estoques. Esta ter ainda um estudo de caso, que vai abordar as polticas de gesto de estoques para uma empresa fabricante de equipamentos para o setor agrcola. Mapas de estoque

No contexto da gesto de estoques, uma das principais dificuldades est em gerir peas de reposio. Essas peas so fundamentais no suporte s operaes de manuteno e na proteo contra falhas nos equipamentos (Silva, 2009). As maiores dificuldades na administrao desses itens so seus elevados custos de aquisio, longos tempos de resposta de fornecimento (lead-time), alm dos baixssimos giros (Wanke, 2003). Grandes companhias chegam a manter mais de 500 mil itens diferentes em estoque (Silver, Pyke e Peterson, 1998), aumentando a complexidade da gesto. A elaborao de um modelo de gesto de estoques requer foco nos itens mais rentveis para as empresas. Atravs da metodologia da Anlise de Pareto, faz-se a classificao ABC dos produtos. Em geral, 20% dos itens so responsveis por 80% da lucratividade, justificando uma poltica de controle mais sofisticada apenas para esses itens. Alm da classificao ABC, os itens do estoque so classificados de acordo com o comportamento de sua demanda: alto ou baixo giro, regular, errtico, entre outros. Essa classificao pode ser feita a partir de fronteiras estabelecidas para diversas variveis, tais como o consumo histrico mdio e as variabilidades no tamanho da demanda, no tempo mdio entre demandas e no lead-time. Ao estabelecer essas fronteiras, criam-se mapas conceituais, que denominaremos mapas de estoque. A construo de um mapa de estoque fundamental para as empresas, uma vez que, a partir da classificao das demandas, pode-se estabelecer a poltica de controle de estoque adequada a cada item. Na medida em que se diferenciam as demandas, possvel identificar a distribuio de probabilidade qual a demanda aderente. Na literatura so encontradas diferentes formas de se classificar esses itens. As peas de reposio podem ser segmentadas, por exemplo, de acordo com o consumo histrico mdio: Peas de consumo em massa: Consumo superior a 300 unidades por ano. Peas de baixo giro: Consumo entre uma e 300 unidades anuais (mdia de aproximadamente uma unidade diria). Peas de baixssimo giro: Consumo inferior a uma pea por ano. As peas de consumo em massa As peas de consumo em massa so as que apresentam menor complexidade para seu controle. Por apresentarem demanda de alto giro e mais regular, torna-se mais fcil realizar previses. So aderentes Distribuio de Probabilidade Normal. Essa distribuio, tambm conhecida como Distribuio Gaussiana, tem um papel fundamental na estatstica. Casella e Berger (2002) apresentam razes para isso: (1) A distribuio normal e distribuies associadas a ela so tratveis analiticamente. (2) A distribuio normal tem uma forma de sino familiar, cuja simetria uma escolha para muitas populaes. (3) O Teorema do Limite Central, que sob condies brandas mostra que a distribuio normal pode ser usada para aproximar grande variedade de distribuies em grandes amostras.

A distribuio tem dois parmetros e 2, onde: E(X) = e Var(X) = 2 As peas de baixo giro Uma das dificuldades na gesto de peas de reposio de baixo giro est na impossibilidade de a demanda aderir curva de distribuio normal, como acontece com as peas de consumo em massa. Para superar esta questo, muitos autores assumem que a demanda aderente distribuio de Poisson. A Distribuio de Poisson uma distribuio discreta, que nos permite calcular a probabilidade de ocorrncia de determinado evento baseado em sua mdia histrica. A probabilidade da distribuio de Poisson pode ser dada por:

onde: P(X=x) = Probabilidade da demanda de peas ser igual a x unidades; = Taxa de consumo mdio por unidade de tempo. As principais propriedades da distribuio so: E(X) = e Var (X) = A tabela 1 ilustra o exemplo de uma pea de reposio com taxa de consumo mdio ( ) de trs unidades por ano. Foram calculadas as probabilidades individuais e acumuladas de ocorrncia de demanda, no horizonte de um ano.

Tabela 1 - Probabilidades da distribuio de Poisson ( =3)

A probabilidade de no haver consumo de peas de reposio de 4,98%. Por sua vez, a probabilidade de a demanda ser de pelo menos uma pea de 95,02%. A probabilidade de no haver falta caso o estoque seja igual ao consumo histrico de 64,72%. Com a manuteno de cinco peas em estoque, a probabilidade de no haver falta de 91,61%. O controle de estoques pode ser baseado no tempo de resposta do fornecedor ou ciclo de ressuprimento intervalo entre a colocao do pedido e o recebimento do mesmo. Nesse intervalo, a probabilidade de falta de estoques da empresa maior, j que podem ocorrer imprevistos no ressuprimento. Por isso, fundamental calcular o ponto de pedido de forma adequada. Este pode ser dado por:

onde: D = Demanda por unidade de tempo; TR = Tempo de resposta do ciclo de ressuprimento, em unidades de tempo; k = Fator de segurana; D = Desvio-padro da demanda por unidade de tempo. Esta frmula pode ser adaptada para demandas aderentes distribuio de Poisson, uma vez que a demanda por unidade de tempo igual ao parmetro e D= . Dessa forma, o ponto de pedido pode ser calculado atravs de:

Wanke (ANOX) descreve um sistema de apoio deciso baseado na probabilidade de no haver ruptura de estoque durante o perodo de ressuprimento. Suponha que uma determinada pea de reposio tenha taxa de consumo ( ) de trs peas anuais, o leadtime seja de quatro meses (1/3 do ano) e a probabilidade desejada de no haver falta seja igual a 95%. As probabilidades de no ocorrer falta so mostradas na Tabela 2. Distribuio Gama

Tabela 2 Probabilidades de no haver falta de estoques

O uso da distribuio Poisson restrito s situaes em que: 0,9 E(X) <ou= V(X) <ou= 1,1E(X) Se esta restrio no for atendida e o perodo com demanda nula for superior a 30% do total, alguns autores sugerem o uso da distribuio Gama. Bagchi et al.,. citado por Yeh, Chang e Chang (1997), consideram que a quantidade pedida em uma demanda (A), o intervalo de tempo entre ocorrncias da demanda (T) e o lead-time de ressuprimento (Z) so aderentes distribuio Gama, com parmetros (, ), ( , ) e ( , ), respectivamente. Assim como na Poisson, pode-se calcular a probabilidade de haver ruptura no estoque durante o lead-time (Os) atravs da equao:

onde: Ps = Probabilidade de haver ruptura durante o lead-time (Z); Ls = Nvel de Servio (1- Ps); Ti = Intervalo de tempo entre duas ocorrncias de demanda parmetros ( , ); Ai = Quantidade pedida em uma demanda parmetros (, ); Z = Lead -time de Ressuprimento parmetros ( , ); W = Nmero de ocorrncias de demanda no lead-time (Z); S = Quantidade de estoque remanescente. As peas de baixssimo giro O controle de estoques das peas de baixssimo giro deve ser baseado na anlise dos custos totais, decidindo se mais apropriado manter uma unidade em estoque ou no mant-la, disparando a reposio contra pedido (Wanke, 2003). Sejam as variveis: CTR = Custo total associado colocao de um pedido de suprimento (R$); Caq = Custo unitrio de aquisio da pea (R$); LT = Lead time de resposta do pedido (meses); = Taxa de consumo histrico por ano (pea/ano); T = Taxa anual de oportunidade do capital (% ao ano);

Cip = Custo de Indisponibilidade e Penalidade, expresso como um valor absoluto incorrido toda vez que h solicitao da pea de reposio e a mesma no se encontra em estoque (R$). O custo de no manter o item em estoque dado por:

E o custo de manter uma pea em estoque dado por:

A tomada de deciso a partir deste clculo torna-se mais simples: se CT(0) > CT(1), o item deve ser mantido em estoque. Caso CT(1) > CT(0), a pea de reposio no deve ser estocada. Outras formas de classificao da demanda Podemos classificar a demanda de outras formas, alm da j descrita. Silva (2009) usa em sua dissertao uma classificao baseada na variabilidade do tempo mdio entre as demandas, do tamanho da demanda e do lead-time. Outras classificaes surgem, principalmente, da necessidade de classificar os itens de baixo giro cujo comportamento da demanda errtico alta variabilidade no tamanho da demanda e intermitente alta variabilidade no tempo mdio entre demandas. Classifica-se uma demanda como lumpy quando esta apresenta os padres errtico e intermitente. A classificao feita pelo autor baseada nos modelos propostos por Eaves e Kingman (2004) variabilidade dos componentes da demanda durante o lead-time e por Silver, Pyke e Peterson (1998) valor esperado da demanda. Os valores das fronteiras foram obtidos experimentalmente, diferenciando itens de baixo giro (slow-moving) ou alto giro (fast-moving). Essa classificao mostrada na Tabela 2 e seu respectivo mapa de estoque na Figura 1.

Tabela 3 - Classificao das demandas (Silva, 2009)

Silva (2009) desenvolveu em seu estudo um modelo para controle de estoques de peas de reposio baseado nessa classificao. O controle feito com base no clculo dos custos totais de estoque, do fill rate e do nvel de servio.

Figura 1 - Mapa de estoque proposto por Silva (2009) Concluso A gesto de estoques cresce em importncia na logstica das empresas brasileiras. Juntando-se a ela desenvolve-se tambm a preocupao com a reduo dos custos de estoque, seja pelo elevado custo de oportunidade do capital imobilizado em estoque ou pela reduo do capital circulante lquido. Entretanto, encontrar uma poltica de gerenciamento uma tarefa delicada para as empresas, mas que pode ser simplificada pelo uso de mapas de estoque. Na literatura existem alguns mapas sugeridos. No entanto, a elaborao de novos mapas ou estabelecimento de outras fronteiras consiste em uma grande oportunidade de desenvolvimento para as empresas, visto que estaro adequando alguns padres j estudados s necessidades reais. Na segunda parte deste artigo sero abordadas ferramentas construdas com base nos conceitos de mapa de estoque apresentados, alm da apresentao de um estudo de caso. Parte 2 Introduo Conforme foi apontado na primeira parte deste artigo, a gesto estratgica de estoques vem ganhando importncia cada vez maior na gesto da cadeia de suprimentos. Pesquisa realizada pelo Ilos2 revela a importncia de custos com estoque para empresas brasileiras. Dos custos logsticos totais, os estoques constituem uma parcela de 26%, porcentagem menor apenas do que os gastos com transportes. A mesma pesquisa revela, ainda, que os custos logsticos representam 11,6 % do Produto Interno Bruto nacional, dos quais 3,5 % so relativos aos estoques. Especificamente, as decises principais a serem tomadas no gerenciamento de estoques quanto pedir, quando pedir, quanto manter em estoque de segurana, onde localizar os estoques e como controlar o sistema podem ser auxiliadas pela aplicao dos conceitos de mapa de estoque.

A partir desses conceitos, foram desenvolvidas ferramentas de uso simples, em Ms Excel/VBA, para auxiliar o tomador de deciso. Essas ferramentas sero discutidas nesta parte do artigo. Alm disso, foi feito um estudo de caso para uma empresa do setor de agronegcio. Sistemas de Apoio Deciso Buscando maior facilidade na gesto de estoques, foram desenvolvidas trs ferramentas de uso simples, em Ms Excel, para apoiar a tomada de deciso. A primeira delas, a ferramenta Stock Planning, tem como objetivo planejar a quantidade de estoque de peas de reposio necessria para atender a um nvel de servio desejado pelo tomador de deciso. Aps a insero dos dados na planilha, as peas de reposio so classificadas em peas de baixssimo giro, baixo giro e alto giro, conforme explicitado na seo 2. Os inputs da ferramenta so mostrados na Tabela 4.

Tabela 4 - Inputs da ferramenta Stock Planning A ferramenta apresenta como outputs o nvel de estoque e o investimento necessrio para manuteno dessa quantidade em estoque, bem como o custo de oportunidade associado. Isso feito para trs nveis de servio: 90%, 95% e 98% no caso das peas de consumo de massa e de baixo giro. Cabe notar que, para os itens de baixssimo giro, os outputs mencionados so calculados apenas quando se opta pela manuteno dos itens em estoque. Essa deciso tomada a partir da comparao entre os custos CT(0) e CT(1), tambm calculados pela planilha. A segunda ferramenta Lumpy Demand uma alternativa ferramenta Stock Planning para a gesto de peas de baixo giro com demanda oscilante, cujo objetivo principal o clculo do ponto de pedido. Os inputs so: cdigo do item, histrico da demanda e lead-time. Como outputs, so fornecidos o nvel de estoque (lote Q), a frao de falta e o ponto de pedido, alm dos parmetros da distribuio Stuttering Poisson3. O uso da distribuio Stuttering Poisson uma alternativa para itens errticos. resultado da combinao das distribuies geomtrica e Poisson. Isso acontece quando a chegada de pedidos representada por (parmetro da Poisson) e o tamanho do lote pedido representado por (parmetro da geomtrica). Atravs do uso dessa

distribuio, probabilidades tabeladas permitem a determinao do ponto de pedido por meio de regresso linear. importante ressaltar que o uso da Lumpy Demand s pode ser feito quando a principal restrio atendida a quantidade mdia pedida deve ser positiva e inferior a um (0 1). Caso contrrio, a ferramenta Stock Planning dever ser usada. A classificao dos itens, bem como o mapa de estoque, foram apresentados na seo 2.4. A terceira ferramenta foi desenvolvida com base na dissertao de mestrado de Silva (2009). Assim como a Lumpy Demand, esta ferramenta uma alternativa para os itens de baixo giro, que apresentam grande variabilidade nos padres da demanda. baseada na demanda durante o lead-time. O autor assume a aderncia da demanda durante o lead-time (DLT) s distribuies La Place e Gama. A primeira no somente indicada para itens slow-moving, mas uma alternativa Normal para itens fast-moving quando h mais propagao nas caudas, se distanciando do perfil da distribuio Normal (Silva, 2009). O uso da distribuio Gama sugerido por Silver, Pyke e Peterson (1998) em situaes nas quais a distribuio da demanda inclinada para a direita ou quando o coeficiente de variao ( L/DL) superior a 0,5. O diferencial dessa ferramenta est na metodologia usada para estimar a demanda durante o lead-time (LTD). Dados so gerados pelo mtodo bootstrap modificado, apresentado por Willemain, Smart e Schwarz (2004), conforme cita Silva (2009). Nesse mtodo, gerada uma sequncia de valores nulos e no-nulos para todo o horizonte de previso. Os inputs da terceira ferramenta so os mesmos utilizados pela Stock Planning e apresentados na Tabela 5, com exceo da taxa de juros anual. Como outputs so fornecidos o ponto de pedido, o lote Q e a taxa de fill-rate, alm do custo total de estoque. Aplicao das ferramentas Motivado pela importncia estratgica da gesto de estoques, foi feito um estudo de caso para uma fabricante de equipamentos para o setor agrcola que mantm mais de 20 mil peas estocadas. Para ilustrar o uso das ferramentas descritas na seo anterior, utilizamos sries de seis itens com caractersticas diferentes. Primeiramente, foi usada a ferramenta Stock Planning, que forneceu uma primeira classificao dos itens, como pode ser visto na Tabela 5. Cabe destacar que o item 2, de baixo giro, foi considerado com demanda aderente distribuio Gama, e no Poisson.

Tabela 5 - Classificao dos itens - Stock Planning

Figura 2 - Histrico da demanda (consumo de massa) Para garantir um nvel de servio de 90%, devem ser mantidas 303 unidades do item 3 e 432 do item 4, totalizando 735 unidades em estoque. Para elevar o nvel de servio a 95%, 1.598 unidades devem ser estocadas, aumentando o investimento em estoque e o custo de oportunidade em 57%. Se o nvel de servio desejado for 98%, a quantidade de itens estocados salta para 2.946 unidades, aumentando em 77% o custo de oportunidade e o investimento em estoque, com relao a 90% de nvel de servio. O estoque para o item de baixo giro (item 2) deve ser igual a 490 unidades para o menor nvel de servio considerado. Elevando-se este em 5 p. p., o aumento do estoque deve ser de 26%, enquanto o investimento cresce em 59%. O uso da primeira ferramenta nos permite concluir, ainda, que os itens de baixssimo giro (1, 5 e 6) devem ser estocados, uma vez que, nas trs situaes, obtivemos CT(0) > CT(1). A ferramenta Lumpy Demand fornece o tamanho do lote, que no caso dessas trs peas deve ser igual a um para os diferentes nveis de servio analisados. A Tabela 3 compara os pontos de pedido para os itens 1, 5 e 6, alm de mostrar a demanda mdia anual e o lead-time de ressuprimento.

Tabela 6 - Outputs da ferramenta Lumpy Demand Podemos notar que o ponto de pedido varia de zero, ao menor nvel de servio, at um, ao maior nvel para todos os itens. Apenas ao nvel de servio de 95% os pontos de pedidos diferem. Nota-se que, embora os itens tenham a mesma demanda mdia anual e, consequentemente, os mesmos parmetros para distribuio Stuttering Poisson, os pontos de pedido diferem. Essa diferena dada pela variao no lead-time. O uso da terceira ferramenta nos leva a outra classificao dos itens, conforme a Tabela 4.

Tabela 7 - Classificao dos itens Considerando uma probabilidade desejada de no haver falta de 10%, a ferramenta indica que, para o lote econmico Q(LEC), o estoque mdio igual a 103 unidades, garantindo uma taxa de fill-rate igual a 96,18% e 2,08% de dias com stockout, quando usada a distribuio La Place. A distribuio Gama aponta que o lote econmico de 214 unidades, com fill-rate de 97,93% e a porcentagem de dias com stockout de 0,92%. Para este item, portanto, pode-se dizer que a distribuio Gama uma aproximao melhor para o item 2. Como diferencial desta ferramenta, possvel calcular tambm o lote Q da demanda durante o lead-time. A distribuio La Place aponta um estoque mdio de 69 unidades, com fill-rate de 90,19%, enquanto a distribuio Gama nos fornece fill-rate de 90,86% e lote de 73 unidades. Concluso O presente artigo atenta para a importncia da implantao de polticas de controle de estoque nas empresas, as quais gerenciam uma quantidade cada vez maior de SKUs. Se,

por um lado, esta variedade torna a gesto de estoques mais complexa, por outro desponta como diferencial competitivo, fundamental nos dias de hoje. O uso das ferramentas desenvolvidas em Excel/VBA pode ser uma alternativa simples para os gestores, uma vez que permite simular os custos totais de estoque para diferentes nveis de servio o grande trade-off presente na gesto. Esse trade-off tem se tornado cada vez mais representativo, j que os custos com estoque se tornam a cada dia mais representativos no cenrio brasileiro, como revela a Pesquisa de Custos Logsticos. Em 2002, foi atribudo grau 3,6 na priorizao na reduo de custos com estoque onde 5 representa o valor mais alto. Em 2009, esse valor se aproxima de 4,3, revelando a importncia da gesto dos estoques. Bibliografia CASELLA, G.; BERGER, R. L. Statistical Inference. 2 ed. Pacific Grove. Duxbury, 2002. 660 p. DA SILVA, G. L. C. Modelo de Estoque para Peas de Reposio Sujeitas Demanda Intermitente e Lead Time Estocstico. 2009. 75 f. Dissertao (Mestrado em Engenharia de Produo) Escola de Engenharia, Universidade Federal de Minas Gerais, Belo Horizonte. 2009. SILVER, E. A.; PYKR, D. F.; PETERSON, R. Inventory Management and Production Planning and Scheduling. 3 ed. Jonh Wiley & Sons, 1998. 754 p. WANKE, P. Gesto de Estoques na Cadeia de Suprimentos.1 ed. So Paulo. Editora Atlas, 2003. 176 p. WARD, J. B. Determining Reorder Points When Demand is Lumpy. Management Science, v. 24, n.6, pp. 623-632, 1978. WANKE, P. Gesto de Peas de Reposio de Baixssimo Giro, 2002. Disponvel em: http://www.ilos.com.br/site/index.php?option=com_content&task=view&id=1103&Ite mid=74 WANKE, P. Gesto de Peas de Reposio de Baixo Giro, 2003. Disponvel em: http://www.ilos.com.br/site/index.php?option=com_content&task=view&id=767&Itemi d=74 YEH, Q. J.; CHANG, T. P.; CHANG, H. C. An Inventory Control Model With Gamma Distribution. Microelectron. Reliab., v. 37, n. 8, pp. 1197-1201, 1997. Marina Andries Barbosa Pesquisadora do Coppead E-mail: marina.andries@ilos.com.br Peter Wanke Professor do Coppead e scio do Instituto ILOS E-mail: peter@coppead.ufrj.br

Tabela 8 - Outputs da ferramenta baseada em Silva (2009) - Item 2