Universidade do Minho

Modelos Estocásticos de
Investigação Operacional
2022/2023

Licenciatura em Engenharia e Gestão Industrial

Ponto de Controlo 1

Docente
João Gonçalves
José Telhada
Manuel Figueiredo
Maria Sameiro

Ana Bárbara Cruz Bezerra (A95410)

Eduardo Alexandre Ribeiro da Silva (A95798)
Sofia Gonçalves Martins da Silva Morais (A95092)
Sofia Rodrigues Silva (A95881)

22 de Dezembro de 202
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

Resumo
O presente relatório tem como objetivo em aplicar conteúdos lecionados de modo a perceber a situação do
sistema de gestão de inventários no armazém e responder às questões propostas.

No capítulo 2, realizou-se uma análise da performance dos trabalhadores tendo em conta a variável failure,
a percentagem de falha do cumprimento, dos diferentes grupos de fornecedores, com o prazo de entrega
estipulado, nos últimos 18 meses. Posto isto, passou-se ao estudo do impacto das diferentes variáveis
sobre a performance, tentando-se encontrar alguma relação causa-efeito, com o auxílio de diagramas de
dispersão, que explica o comportamento das diferentes taxas de failure.

No capítulo 3, é analisada a variação do stock no armazém e havendo duas abordagens a tomar. A primeira
é tentar analisar a variação que corresponde às saídas menos as entradas, não estando este segundo dado
disponível no documento que nos foi dado. No entanto, é possível aceder às saídas do armazém porque se
consideram como entradas nas lojas. Assim, tenta-se perceber se existe algum tipo de sazonalidade ou
alguma quantidade a ser recebida continuamente. A segunda foca-se na procura. Nos dados
disponibilizados tem informação sobre um dia em específico e pode-se comparar com a média destes. Se
estiver acima, tendencialmente, será sempre acima a partir desse dia. No entanto não há dados suficientes
para tirar estas conclusões.

No capítulo 4, realizou-se a análise do nível de serviço oferecido pelo grupo de vendas. Primeiramente,
analisou-se a percentagem de produtos que satisfazem o nível de serviço desejado. De seguida, analisou-
se de que forma as lojas podem impactar na qualidade do serviço oferecido.

No capítulo 5, foram realizadas as análises ABC de modo a categorizar os produtos tendo em conta a sua
importância na gestão do stock e uma análise XYZ para entender a variabilidade entre a procura e a
previsão. Fez-se, também, uma comparação entre as duas análises para perceber os melhores produtos.
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

Índice

Resumo ............................................................................................................................................ i
Índice de Figuras............................................................................................................................. iii
1. Introdução ...................................................................................................................................1
2. Análise da Performance dos Fornecedores ...................................................................................2
2.1. Failure....................................................................................................................................2
2.2. Influência dos Dados na Taxa de Failure .................................................................................2
3. Variação de Stock no Armazém ...................................................................................................7
4. Nível de Serviço .........................................................................................................................10
5. Como categorizar e classificar produtos......................................................................................11
5.1. Análise ABC .........................................................................................................................11
5.2. Análise XYZ ..........................................................................................................................12
5.3. Conclusões ..........................................................................................................................13
6. Dados para uma melhor análise .................................................................................................15
Bibliografia .....................................................................................................................................16

ii
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

Índice de Figuras

Figura 1 – Dados das várias Sources .................................................................................................2

Figura 2 – Comportamento do Lead Time ..........................................................................................3
Figura 3 – Análise da Amplitude do Lead Time no Failure ...................................................................4
Figura 4 – Análise da Influência do número de Suppliers no Failure ....................................................4
Figura 5 – Análise do Failure em função da Variedade dos Produtos ...................................................5
Figura 6 – Análise do Failure em Função Da Taxa de Entregas Coordenadas ......................................6
Figura 7 – Cadeia de Abastecimento ..................................................................................................7
Figura 8 – Análise do Stock do Produto 1 na loja 1.............................................................................7
Figura 9 – Entrada de Produto em Loja ..............................................................................................7
Figura 10 – Análise do Stock do Produto 4 na loja 1...........................................................................8
Figura 11 – Entrada de Produto em Loja ............................................................................................8
Figura 12 – Stock em Loja ao longo dos Anos ....................................................................................8
Figura 13 – Stock em loja ao longo dos anos .....................................................................................8
Figura 14 – Comparação do Stock Average com o Stock em Mão .......................................................9
Figura 15 – Nível de serviço do armazém para as lojas ....................................................................10
Figura 16 – Dados para análise ABC ................................................................................................11
Figura 17 – Distribuição para cada Categoria ABC ...........................................................................12
Figura 18 – Análise ABC ..................................................................................................................12
Figura 19 – Dados para análise XYZ .................................................................................................13
Figura 20 – Distribuição para cada Categoria ABC ...........................................................................13
Figura 21 – Análise ABC e XYZ.........................................................................................................14

iii
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

1. Introdução

No âmbito da unidade curricular de Modelos Estocásticos de Investigação Operacional, foi proposta a

análise de vários dados da cadeia logística de um grupo empresarial opera em 144 lojas espalhadas por
37 cidades diferentes na Península Ibérica, Madeira e Ilhas Canárias. Este grupo armazena a maioria dos
seus produtos num armazém, e fornece as lojas referidas anteriormente consoante a necessidade. Foram
fornecidos à equipa alguns dados, tais como, informações relativas ao produto, como é que o stock se
comporta nas lojas, esta mesma informação, mas aplicado ao armazém e, ainda, informações de vendas
dos produtos.

Assim, o objetivo do presente relatório consiste em aplicar conteúdos lecionados de modo a perceber a
situação do sistema de gestão de inventários no armazém e responder às questões propostas para o ponto
de controlo, ou seja, as várias alíneas da primeira pergunta.

Inicialmente, irão ser analisados os dados existente de modo a perceber a performance dos fornecedores
tendo em conta a failure de cada um, recorrendo a vários dados que possam indicar se há alguma razão
para a failure de alguns fornecedores ser maior que as outras. Posteriormente, a equipa tentará saber como
varia o stock no armazém, ou seja, as entradas e saídas de produto no estabelecimento. De seguida, é
analisado como varia o stock ao longo do tempo sendo também analisado o nível de serviço prestado às
lojas. Posteriormente, são classificados os produtos em termos da sua importância na gestão de inventários
em termos da variação da procura e da previsão. Para finalizar, são feitas algumas conclusões relativamente
aos resultados obtidos e possíveis dados em falta. No último capítulo são apresentadas as referências
bibliográficas usadas para a execução do presente relatório.

1
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

2. Análise da Performance dos Fornecedores

Para uma análise detalhada da performance dos fornecedores decidiu-se dividir o pensamento em duas
vertentes, o que seria realmente o indicador da performance de cada fornecedor e o que poderia influenciar
esse indicador.

2.1. Failure

A partir da folha de dados denominada de “sources”, fornecida pelo enunciado, verifica-se que os
fornecedores são agrupados segundo a rota que efetuam para transporte dos respetivos produtos
(source_X), sendo que, este pode ser realizado de forma independente ou através de rotas partilhadas com
outros fornecedores.

Para avaliação dos fornecedores, a equipa dedicou a sua atenção à variável failure. Esta traduz a falha do
cumprimento, dos diferentes grupos de fornecedores, com o prazo de entrega estipulado, nos últimos 18
meses, sob forma de percentagem. Posto isto, esta variável surge como indicadora de sucesso da
performance dos fornecedores, sendo que, quanto maior a taxa de failure, menor será o sucesso do
desempenho do fornecedor.

Para uma melhor compreensão em termos de análise, procedeu-se à ordenação dos diferentes sources
por ordem decrescente da sua taxa de failure, concluindo que o que apresenta pior performance é o
source_2, pois tem maior percentagem de failure, e, por outro lado, que o que apresenta melhor
performance é o source_9, por razão inversa, como é possível verificar na seguinte figura.

Figura 1 – Dados das várias Sources

2.2. Influência dos Dados na Taxa de Failure

Tendo em conta a figura anterior, verifica-se a presença de outras varáveis para além da failure,
nomeadamente, a suppliers que indica o número de fornecedores que realizam o mesmo tipo de transporte,
a product_num que quantifica o número de produtos fornecidos, a product_coo que fornece a percentagem
de produtos fornecidos em entregas coordenadas, onde os fornecedores gerem a data de entrega de modo
que os produtos sejam fornecidos ao mesmo tempo, e as referentes ao Lead Time.

2
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

Relativamente às últimas variáveis, foi fornecida a leadtime_min, que corresponde ao prazo de entrega
mínimo, em dias, observado nos últimos 18 meses, a leadtime_max, que reflete o ao prazo de entrega
máximo, em dias, observado nos últimos 18 meses, e ainda o leadtime_avg, que diz respeito à média dos
prazos de entrega, em dias, observado nos últimos 18 meses. Perante isto, a equipa achou relevante
realizar o cálculo da amplitude do lead time, com o intuito de ir ao encontro da precisão do prazo de
entrega, isto é, quanto maior a gama de valores de lead times, maior será amplitude, mais imprevisível
será a data de entrega.

No entanto, é importante ter em consideração a possibilidade dos valores máximos e mínimos de lead time
constituírem outliers, estando em discrepância com os restantes registados, basta apenas uma ocorrência
para fazer disparar os valores da amplitude. Para o estudo desta situação, procedeu-se ao cálculo do lead
time médio (média entre o valor mínimo e máximo), e realizou-se uma análise de comparação entre os
valores obtidos como os do leadtime_avg (Figura1). Como os valores de ambas as variáveis não apresentam
diferenças significativas, conclui-se que os valores mínimos e máximos não constituem valores que se
destoem dos restantes, e a amplitude do lead time pode ser utilizada para averiguar uma possível relação
de causa efeito com a taxa de failure.

Para complementar esta informação, a equipa elaborou o gráfico da figura que se segue, onde é possível
contatar que para além de existir uma proximidade entre os valores do lead time médio e do leadtime_avg,
estes também se encontram entre o leadtime_min e o leadtime_max.

Figura 2 – Comportamento do Lead Time

Posto isto, averiguou-se se a amplitude do Lead time teria alguma implicação na taxa de failure, para tal,
elaborou-se um gráfico de dispersão com o objetivo de tentar detetar algum tipo de relação entre as
variáveis, como é possível ver na seguinte figura.

3
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

Figura 3 – Análise da Amplitude do Lead Time no Failure

Cada ponto do gráfico diz corresponde a uma source (com cores diferentes), tendo como abcissa o valor
da amplitude e ordenada a taxa de failure. A partir da observação da distribuição dos pontos, conclui-se
que não há nenhuma relação que indique que maior a amplitude implique maior o failure, uma vez que,
por exemplo a sorce_5 e sorce_7 apresentam maior amplitude e menor failure que a sorce_2 e a sorce_8,
e, por outro lado, as sorce_9 e sorce_6 apresentam menor amplitude e menor failure que a sorce_2 e a
sorce_8.

Posto isto, partiu-se para o estudo da relação entre os suppliers e o Failure, tentando compreender se o
número de fornecedores exercia algum impacto sobre a taxa de incumprimento do prazo de entrega, tendo
como base duas perspetivas: sources com menor número de suppliers, poderão ter maior dificuldade a
colmatar as necessidades de entregas; e sources com mais suppliers, poderão ter mais erros na entrega
devido à necessidade de coordenação de encomendas. Seguidamente, elaborou-se um gráfico de
dispersão, presente na figura que se segue, para melhor análise visual.

Suppliers e Failure
12,00%
source_2
10,00% source_0
8,00% source_8
Failure

6,00% source_1

4,00% source_6

2,00% source_4
source_5
0,00%
0 5 10 15 20 25 30 source_7
Suppliers source_3

Figura 4 – Análise da Influência do número de Suppliers no Failure

4
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

No entanto, chegou-se à conclusão que nada se pode concluir, uma vez que, existe apenas um source com
uma grande quantidade de supplier (source_0), o que não constitui dados suficientes para se verificar uma
tendência. Analisando todas as sources com baixo número de suppliers

comprovou-se, mais uma vez, que não há relação entre o número de suppliers e a taxa de failure porque,
por exemplo, a source_2 tem uma taxa de failure elevada e o mesmo não acontece com a source_9.

No seguimento desta conclusão, procedeu-se à análise da relação da variedade dos produtos e da failure.
Queríamos verificar se o facto de haver maior variedade de produtos poderia implicar uma maior
complexidade na gestão no sistema de gestão de encomendas que, por sua vez, implicasse uma maior
taxa de failure.

Como nos estudos das relações anteriores, procedeu-se à elaboração do gráfico de dispersão que relaciona
ambas as variáveis, como nos mostra a imagem que se segue.

Variedade dos produtos x Failure

12,00%
source_2
10,00% source_0

8,00% source_8
Failure

source_1
6,00%
source_6
4,00% source_4

2,00% source_5
source_7
0,00%
0 20 40 60 80 100 120 140 source_3

Variedade dos produtos source_9

Figura 5 – Análise do Failure em função da Variedade dos Produtos

Numa primeira análise, parece existir uma ligeira tendência de maior failure para maior variedade de
produtos. No entanto, nada se pode concluir acerca da existência de tal relação devido à existência de
pontos que não vão de encontra a essa hipótese, por exemplo entre source_7 e source_3, e entre source_5
e source_9.

5
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

No seguimento da análise, procuramos averiguar se o facto de se efetuarem entregas coordenadas, ou

seja, os fornecedores combinam a entrega de determinados produtos, para que esta se realize ao mesmo
tempo, poderia implicar uma menor ou maior taxa de failure. Numa primeira perspetiva, pensou se que a
realização de entregas segundo este contexto, poderia implicar alguma complicação no sistema de gestão
das encomendas, acarretando uma maior percentagem de failure. Posto isto, procedeu-se à construção do
diagrama de dispersão, como nos mostra a figura seguinte.

Product Coordinated x Failure

12,00%
source_2
10,00%
source_0
8,00% source_8
Failure

source_1
6,00%
source_6
4,00% source_4
source_5
2,00%
source_7
0,00% source_3
0,00% 20,00% 40,00% 60,00% 80,00% 100,00% 120,00%
source_9
Product Coordinated

Figura 6 – Análise do Failure em Função Da Taxa de Entregas Coordenadas

Após uma breve análise visual, constamos que havia um grau de dispersão acentuado dos valores do
gráfico o que implicaria, mais uma vez, a ausência de uma relação de causa-efeito entre a realização de
entregas coordenadas e a taxa de failure.

Em suma, concluímos que nenhuma das variáveis em estudo exerce impacto sobre a taxa de falha do
cumprimento, dos diferentes grupos de fornecedores, com o prazo de entrega estipulado, nos últimos 18
meses. O que leva a concluir que possam existir outos fatores que apresentem uma relação de causa-efeito
com a variável failure que não nos são disponibilizados.

6
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

3. Variação de Stock no Armazém

Para avaliar a variação do stock no armazém ao longo do tempo é preciso sabermos as entradas e saídas
ao longo do tempo, dados estes que não são totalmente apresentados no documento que nos foi
disponibilizado. Assim, temos apenas as saídas do produto do armazém, observando a variação de stock
na loja em questão. Não é possível saber o comportamento das entradas no armazém através dos
fornecedores, assumindo uma cadeia de abastecimento como representado na imagem a seguir.

FO R NECEDO R ES AR MAZÉM LO JAS

Figura 7 – Cadeia de Abastecimento

Assumindo ainda que não é possível saber o stock em mão num determinado armazém, a equipa focou-se
em saber como variam as saídas de produto no armazém.

Fez-se um estudo para o produto 1 e 4 para a loja 1, em que se avalia a entrada de produto no seu stock
(o que equivale a uma saída no armazém). Assim obteve-se a variação de stock a partir da entrada de
produto, nas datas em que tal se verifica.
product_id store_type date sales price_max revenue stock_stores Variação_stock
P0001 ST01 21/01/2017 1,00 6,5 5,51 0 40
P0001 ST01 23/10/2017 1,00 7,75 6,57 39 FALSO
P0001 ST01 25/10/2017 1,00 7,75 6,57 38 FALSO
P0001 ST01 28/10/2017 3,00 7,75 19,71 34 10
P0001 ST01 31/10/2017 1,00 7,75 6,57 43 FALSO
P0001 ST01 01/11/2017 1,00 7,75 6,57 42 FALSO
P0001 ST01 02/11/2017 2,00 7,75 13,14 40 FALSO
P0001 ST01 05/11/2017 2,00 7,75 13,14 38 FALSO
P0001 ST01 12/11/2017 4,00 7,75 26,28 36 30

Figura 8 – Análise do Stock do Produto 1 na loja 1

Assim, elaborou-se o seguinte gráfico onde se percebe que a entrada de produto em loja é dada na
quantidade de 10, maioritariamente. Além disso, a maior parte das encomendas efetuadas foram de 10
unidades, existindo outliers relacionados com momentos de procura imprevisível. É de notar que 71% das
encomendas foram de 10 unidades.

Entrada de Produto em Loja

60

40

20

0
18/08/2016 06/03/2017 22/09/2017 10/04/2018 27/10/2018 15/05/2019 01/12/2019 18/06/2020

Figura 9 – Entrada de Produto em Loja

7
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

De seguida, realizou-se o mesmo processo para o produto 4.

product_id store_type date sales price_max revenue stock_stores Variação_stock

P0004 ST01 03/01/2017 1,00 4,5 3.81 30 24
P0004 ST01 08/01/2017 1,00 4,5 3.81 53 FALSO
P0004 ST01 14/01/2017 2,00 4,5 7.63 51 FALSO
P0004 ST01 21/01/2017 1,00 4,5 3.81 50 FALSO
P0004 ST01 22/01/2017 1,00 4,5 3.81 49 FALSO
P0004 ST01 27/01/2017 1,00 4,5 3.81 48 FALSO
P0004 ST01 28/01/2017 1,00 4,5 3.81 47 FALSO
P0004 ST01 29/01/2017 1,00 4,5 3.81 46 FALSO

Figura 10 – Análise do Stock do Produto 4 na loja 1

Verificou-se uma entrada comum de 24 unidades, observável a partir do gráfico seguinte. Por isso, pode-
se concluir que poderá existir alguma tendência para os vários produtos nas várias lojas darem entrada de
quantidades relativamente constantes, ao longo do tempo.

Entrada de Produto em Loja

60
50
40
30
20
10
0
18/08/2016
26/11/2016
06/03/2017
14/06/2017
22/09/2017
31/12/2017
10/04/2018
19/07/2018
27/10/2018
04/02/2019
15/05/2019

Figura 11 – Entrada de Produto em Loja

Numa fase seguinte, procurou-se perceber qual a quantidade de produto existente na loja, no momento
antes do pedido ao armazém para reforçar o stock existente na loja em questão.

Figura 12 – Stock em Loja ao longo dos Anos

Percebeu-se, então, que para o produto 1, o stock existente na loja antes de realizar nova entrada tem
vindo a diminuir ao longo do tempo (Zona A > Zona B > Zona C). No entanto, para o produto 4 não se
verifica tal fenómeno. Como observado no seguinte gráfico, a quantidade de stock existente é relativamente
inconstante, não se podendo observar nenhum padrão de reposição.

Figura 13 – Stock em loja ao longo dos anos

8
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

Tentando perceber como varia o stock no armazém, comparou-se o stock médio de cada produto com o
stock em mão existente no dia em questão. A partir do gráfico conclui-se que não é possível observar
nenhum padrão, devido à falta de informação de stock existente num período temporal alargado de maneira
a fazer uma análise coerente.

45000,00
40000,00
35000,00
30000,00
25000,00
20000,00
15000,00
10000,00
5000,00
0,00
0,00 100,00 200,00 300,00 400,00 500,00 600,00 700,00 800,00

Stock_AVG Stock_HAND

Figura 14 – Comparação do Stock Average com o Stock em Mão

9
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

4. Nível de Serviço

O nível de serviço é um forte indicador da qualidade das ações ao longo da cadeia logística. Que vai desde
a receção do pedido até à entrega do produto ao cliente.

Analisando o nível de serviço providenciado às lojas que é fornecido na folha “Warehouse”, observamos
que existe um nível de serviço A em 104 (16,5%) ocasiões, nível B em 282 (44,6%), nível C em 192 (30,4%),
nível D em 54 (8,5%) e 66 produtos com falta de informação. De forma a fazer uma análise mais rigorosa,
apenas se considerou os produtos com dados acerca do nível de serviço e produtos com informação acerca
do supplier. Obteve-se a seguinte tabela:

Assim observamos que o nível de serviço pretendido, isto é, de 95%, é atingido em 61% das ocasiões.
Consideramos este um valor abaixo do desejado e que deveria existir uma melhoria. Mais podemos dizer,
e, em 8,5% dos produtos, o nível de serviço está longe do desejado que se revela ser um valor muito elevado
para se oferecer um serviço de qualidade.

De forma a analisar como é que os diferentes níveis de serviço se distribuem do armazém para as lojas
criou-se o seguinte histograma:

Nível de serviço do armazém para as lojas

263 266

171 177
154
142

99 96 104
93

53 57
46 47
37
23

ST01 ST02 ST03 ST04

A B C D

Figura 15 – Nível de serviço do armazém para as lojas

A partir da análise do gráfico consegue-se observar que a distribuição dos níveis de serviço são mais ou
menos iguais para as diferentes lojas. Conclui-se assim, que nenhuma loja apresenta uma qualidade de
serviço inferior, ou superior, comparativamente às outras.

10
 Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

5. Como categorizar e classificar produtos

Para categorizar os produtos, foi-nos pedido que os avaliássemos em termos de variabilidade em termos
de procura e a probabilidade desta procura variar do pressuposto. Assim. A equipa decidiu focar-se em
duas análises, separadamente, para a sua análise conjunta, posteriormente, para perceber quais as
medidas a tomar.

5.1. Análise ABC

A análise ABC é uma técnica estatística utilizada para a tomada de decisão, permitindo priorizar abordagem
a falhas que permitam rentabilizar recursos. Joseph Juran adotou este princípio à gestão da qualidade,
considerando que 80% dos problemas existentes num processo produtivo são causados por 20% das causas
possíveis de estarem na origem do problema. “É necessário saber separar os poucos vitais dos muitos
triviais” (Joseph Juran). (IEV, s.d.) (hiper, s.d.)

Os poucos vitais representam um número restrito de problemas, que são de extrema relevância numa
empresa, ao contrário dos muito triviais, que representam a maioria dos problemas de menor importância.

Para a análise ABC decidiu-se utilizar os dados dos 3 anos para se realizar uma análise mais a longo prazo
e não a curto ou médio. Utilizou-se o Excel, onde se somou as receitas anuais de cada produto de modo a
se obter o valor dos 3 anos (Grand Total). Ordenou-se os produtos da maior receita para a menor, nos
filtros do Excel, e calculou-se a percentagem de vendas acumuladas que se dá pela divisão do Grand Total
pelo Total de Vendas. Também se calculou a percentagem de produto acumulado que é dado pela divisão
entre o número de produtos acumulados e o número de produtos disponíveis.

Total Vendas 37700236,56 Número de Produtos 629

Receita Anos
Produtos 2017 2018 2019 Grand Total %produto %vendas acum ABC
1 P0103 993871,253 830461,1 845867,31 2670199,663 0% 7% A
2 P0129 590746,01 367407,47 370046,24 1328199,72 0% 11% A
3 P0500 331928,7 375652,25 593214,37 1300795,32 0% 14% A
4 P0428 50742,64 653286,92 361824,23 1065853,79 1% 17% A
5 P0182 823723,09 823723,09 1% 19% A
6 P0559 801695,379 801695,379 1% 21% A
7 P0316 265887,2 280797,25 69801,57 616486,02 1% 23% A
8 P0569 184374,36 214329,63 216329,05 615033,04 1% 24% A
9 P0325 138427,43 226418,29 224027,01 588872,73 1% 26% A
10 P0261 190717,01 190652,02 191185,97 572555 2% 28% A

Figura 16 – Dados para análise ABC

11
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

Para explicar as categorias em que os produtos estão distribuídos, fez se a seguinte distribuição de
percentagens de vendas para assumir a categoria “A”, “B” ou “C”.

CODE %VENDAS NR PRODUTOS % produto

A 75% 109 17%
B 95% 185 29%
C >95% 335 53%

Figura 17 – Distribuição para cada Categoria ABC

Esta tabela permite saber a quantidade de produto que pertence a cada categoria. Na categoria A estão os
produtos vitais, na B estão os intermediários e na C os não prioritários.

Para a construção desta tabela utilizaram-se funções que forneceram os dados para a construção da coluna
“ABC” da Figura 16 e assim, podermos ter uma melhor análise.

ABC Analysis
120%

100%

80%

60%

40%

20%

0%
26%
29%
0%
4%
7%
11%
15%
18%
22%

33%
37%
40%
44%
48%
51%
55%
59%
62%
66%
70%
73%
77%
81%
84%
88%
92%
95%
99%

Receitas

Figura 18 – Análise ABC

Construi-se o gráfico ABC a partir da Figura 16. Ao analisar o gráfico verifica-se a regra do 80/20 da análise
ABC, e conclui-se assim que existem 20% dos produtos que correspondem a 80% da receita gerada pelo
grupo.

5.2. Análise XYZ

A análise XYZ é menos conhecida que classificação ABC, no entanto é muito útil para a análise de quais
são os produtos com maior variabilidade na procura e assim existir um melhor controlo dos stocks, de
modo a não existir quebra. (ExcelTABLE, s.d.)

12
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

Neste trabalho utilizou-se a análise ABC a partir das receitas e a análise XYZ a partir do número de vendas
para determinar quais são os produtos mais importantes para o rendimento do grupo de vendas.

Para a análise XYZ decidiu-se calcular o número de vendas mensais de cada produto e fazer a análise para
os 3 anos. Calculou-se a seguir a média ao longo dos mês do ano e a percentagem do desvio (desvio
padrão/ média).

Figura 19 – Dados para análise XYZ

Para explicar as categorias em que os produtos estão distribuídos, fez-se a seguinte distribuição de
percentagens de vendas para assumir a categoria “X”, “Y” ou “Z”.

CODE %VENDAS Número Produtos

X <=10% 19
Y <=25% 125
Z >25% 505

Figura 20 – Distribuição para cada Categoria ABC

Tal como na análise ABC, esta tabela serve para se saber a quantidade de produtos que pertence a cada
categoria. Na categoria Z estão os produtos com muita variabilidade na procura, na B estão os
intermediários e na C os com pouca variabilidade.

Também na construção desta tabela utilizaram-se funções que forneceram os dados para a construção da
coluna “XYZ” da Figura 16 e assim, atribuir a letra correspondente a cada produto.

A partir do número de produtos em cada classificação pode-se concluir que existe uma enorme variabilidade
na procura da maior parte dos mesmos.

5.3. Conclusões

De forma a fazer uma análise mais detalhada da importância que se deve ter na gestão de stocks de cada
produto, decidiu-se juntar a análise ABC com a análise XYZ.

13
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

A situação ideal é possuir produtos com classificação AX, isto é, produtos de grande importância e com
pouca variabilidade na procura, no entanto, não existem. Apenas existem produtos com a classificação AY
e AZ, como se pode observar nas seguintes tabelas.

Figura 21 – Análise ABC e XYZ

A existência de muito produtos AZ representam um enorme perigo para o grupo, uma vez que são produtos
que fornecem grande parte da receita e são muito imprevisíveis. Estes produtos necessitam de uma atenção
reforçada por parte do grupo de vendas.

Tendo em conta que existem bastantes produtos com a categoria A e Z em simultâneo, e sendo isto algo
negativo visto com são produtos importantes com alta variabilidade, então é necessário recorrer a métodos
de previsão de modo a mitigar esta problemática.

14
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

6. Dados para uma melhor análise

No presente trabalho o grupo considerou como ponto chave da avaliação do desempenho dos fornecedores
a percentagem de falha no cumprimento do prazo de entrega estipulado. No entanto, existem outros
indicadores bastante importantes para este efeito, nomeadamente a taxa de aproveitamento das entregas,
obtida pelo quociente entre o conteúdo útil da entrega e o total do conteúdo de entregue, que quantifica os
produtos em desconformidade com o pedido, com defeito ou com ausência dos mesmos. Um outro aspeto
importante, é o nível de atendimento e resposta, uma vez que o tempo de espera e a dificuldade de
atendimento por parte dos fornecedores prejudicam a capacidade de idealização de soluções e reagir face
a um possível problema que posa surgir. Por último, a equipa também considera relevante o registo da
evolução dos custos dos fornecedores, possibilitando a comparação entre os mesmos e uma tomada de
decisão lógica, que evite gastos desnecessários.

A falta de informação diária da quantidade em stock leva a que não seja possível conhecer a variação do
stock do armazém ao longo do tempo. Seria então necessário que essa informação e juntamente com a
entrada do stock fossem disponibilizadas para se poder fazer uma análise mais pormenorizada da gestão
dos stocks. Apenas existem informação da média do stock nos últimos 24 meses e da saída de stock.

Seria importante saber o stock no início de cada dia. Dessa forma seria possível calcular o nível de serviço
sabendo quando é que existem quebras (stock do início do dia – número de vendas). Ao indicarem o stock
do fim de cada dia a utilização desse stock no cálculo do nível de serviço leva a um possível erro. Outra
informação importante seria saber os valores percentuais referentes a cada classificação (A, B, C, D).

A utilização das receitas para a análise ABC pode tornar-se falaciosa, uma vez que não se tem em conta
os custos de operação. Assim, de modo a fazer uma análise mais rigorosa, o grupo de vendas deve fornecer
os custos de operação relativo a cada produto.

15
Universidade do Minho Modelos Estocásticos de Investigação Operacional
Licenciatura em Engenharia e Gestão Industrial 2022/2023

Bibliografia

ExcelTABLE. (s.d.). Obtido de Working with Tables: https://exceltable.com/en/analyses-reports/abc-xyz-

analysis-in-excel
hiper. (s.d.). Obtido de https://hiper.com.br/blog/calculo-da-curva-abc/
IEV. (s.d.). Obtido de https://iev.com.br/conteudo/gestao-empresarial/como-fazer-curva-abc/

16