04gestaoestoques

Artigo publicado na edição 04

Assine a revista através do nosso site

maio e junho de 2008

w w w.revistamundologistica.com.br

c

S

: : Caso de Sucesso

Gestão de Estoques MRO Otimizando a Logística de Peças de Reposição Determinar o nível ótimo de estoque de cada item, levando em conta os custos, incertezas e restriçþes do ambiente logístico, não Ê em geral uma tarefa simples.

A complexidade aumenta ainda mais quando se trata de itens MRO (Manutenção, Reparo e Operação), especialmente no caso de peças de reposição de equipamentos, devido a características particulares, como baixo giro, imprevisibilidade da demanda e criticidade para operação. A proposta deste artigo Ê apresentar aspectos teóricos e pråticos para otimização de estoques MRO, alÊm de um case de sucesso na Vale.

Eduardo Saggioro (eduardo.saggioro@visagio.com): Engenheiro de Produção pela UFRJ e possui Laurea Specialistica em Engenharia de Gestão pelo PolitÊcnico de Turim, Itålia.

SĂłcio-diretor da VISAGIO Consultoria, possui vasta experiĂŞncia em projetos de gestĂŁo de operaçþes e logĂ­stica, tendo prestado serviços para empresas como Vale, Petrobras, Oi-Telemar, PetrĂłleo Ipiranga, Knoll, Glaxo SmithKline, AEFFE Fashion Group (ItĂĄlia), D3 (ItĂĄlia), Comau Service (Fiat Group – ItĂĄlia), BR Distribuidora, Ultragaz e Wilson, Sons, dentre outras. É professor e palestrante de LogĂ­stica Empresarial e autor do livro “GestĂŁo de Estoques – Otimizando a LogĂ­stica e a Cadeia de Suprimentosâ€?.

objetivo da gestão de estoques Ê garantir o nível de serviço desejado ao menor custo logístico possível, buscando otimizar o somatório dos custos de manutenção de estoques, colocação de pedidos e falta (ruptura de estoque). A figura 1 apresenta os custos envolvidos na gestão de estoques e seus principais componentes.

Custo de Colocação de Pedidos

Custo de Manutenção de Estoque r $VTUP EF PQPSUVOJEBEF DBQJUBM r 6UJMJ[BĂ‰ĂˆP EP FTQBÉP F NBOVTFJP r 4FHVSPT r 0CTPMFTDĂ‹ODJB F QFSFDJCJMJEBEF

Antonio Martin (antonio.martin@vale.com): Engenheiro de Produção pela UFRJ e possui MBA em Gestão Empresarial pela Fundação Dom Cabral. Gerente Sênior de Gestão de Estoques e ArmazÊns MRO da Vale, onde trabalha hå 3 anos. Possui vasta experiência na årea de Supply Chain Management, com passagens pelas empresas Lafarge – divisão Cimento, Unilever – divisão de Alimento e Shell – divisão de Lubrificantes.

Marcelo Lara (marcelo.lara@vale.com): Engenheiro de Produção pela UFRJ e possui mestrado em gestão de operaçþes pelo COPPEAD/UFRJ. É gerente de Gestão de Estoques de itens MRO da Vale, onde trabalha hå 4 anos. Atuou tambÊm durante 3 anos na årea de Logística da Ambev.

6

XXX SFWJTUBNVOEPMPHJTUJDB DPN CS

Custo de Falta

r 'SFUF r &NJTTĂˆP EF QFEJEPT r 3FDFCJNFOUPT F JOTQFĂ‰ĂˆP r 1SFQBSBĂ‰ĂˆP EF NĂƒRVJOBT

r 1FSEB EF WFOEBT F .BSLFU 4IBSF r 1BSBEB EF QSPEVĂ‰ĂˆP r %FUFSJPSBĂ‰ĂˆP EF JNBHFN r 1BHBNFOUPT EF NVMUBT DPOUSBUVBJT r 3FQSPHSBNBĂ‰ĂˆP EF BUJWJEBEFT F VTP de planos de contingĂŞncia

Figura 1. Custos envolvidos na gestĂŁo de estoques.

Para otimização destes custos, Ê necessårio determinar para cada SKU1 (Stock Keeping Units) seu nível ideal de estoque, a partir do dimensionamento de seus 1

Um SKU representa um produto com alguma diferenciação, mesmo que mínima, como cor, embalagem, peso, etc.

$BTP EF 4VDFTTP r (FTUÈP EF &TUPRVFT .30

parâmetros de estoque, como lote de ressuprimento, ponto de pedido e estoques de segurança. Se por um lado, baixos níveis de estoque podem levar a perdas de economias de escala e altos custos de falta, por outro, o excesso de estoques representa custos operacionais e de oportunidade do capital empatado. Dimensionar os parâmetros de estoque com base neste trade-off não é uma tarefa simples, tendo em vista as diversas incertezas e restrições do ambiente logístico. O aumento da competição global e da diferenciação de produtos, caracterizada pela proliferação do número de SKUs, têm feito com que esta tarefa se torne ainda mais árdua.

Neste contexto, dentre os diversos tipos de estoques (produtos acabados, semi-acabados, matérias-primas/insumos e MRO), os itens MRO (Manutenção, Reparo e Operação) merecem um capítulo à parte, tendo em vista suas características peculiares e complexidade de gestão. Este grupo de itens – composto por materiais não-produtivos, como materiais de escritório e peças de reposição de equipamentos – constitui parte relevante do estoque de indústrias intensivas em capital, como Siderúrgicas, Mineradoras, Usinas Elétricas e Petroquímicas, dentre outras.

Apesar de existirem itens MRO de alto consumo e giro (como, por exemplo, materiais de escritório, materiais de limpeza e itens de manutenção corrente), a maior parte do valor do estoque MRO das empresas é composto por peças de reposição com características de baixo/baixíssimo consumo, demanda intermitente e não previsível, alto custo unitário, alto tempo de reposição e alta criticidade para a operação (custo da falta), como mostra a figura 2.

Baixo/baxíssimo consumo Demanda intermitente e não-previsível ~90%-95% do Valor do estoque MRO*

Alto custo unitário Alto tempo de reposição Alta criticidade para a operação

*Moncrief et al., Production Spare Parts: Optimizing the MRO Inventory Asset Figura 2. Principais características do estoque MRO.

Com base nas características apresentadas, o comportamento-padrão dos estoques MRO se diferencia de forma relevante do comportamento-padrão dos estoques de produtos acabados e matérias-primas/insumos (normalmente de maior giro), conforme mostrado na figura 3.

Estoque Comportamento Padrão de Estoques de Produtos Acabados

Tempo Estoque

Comportamento Padrão de estoques MRO

Tempo

Figura 3. Comparação do comportamento-padrão de estoques de produtos acabados com o comportamento-padrão de estoques MRO.

Os principais livros e cursos de logística e supply chain focam em métodos de otimização de estoques para o caso do comportamento-padrão de produtos acabados e matérias-primas/insumos, representado pelo gráfico dente-de-serra na figura 3. Sistemas ERP (Enterprise Resources Planning) e seus módulos de gestão de materiais também costumam possuir lógicas de gestão de estoques aderentes apenas a este caso.

A proposta deste artigo é apresentar uma metodologia de análise e modelos de otimização de estoques aderentes às características dos itens MRO, além de um case real de sucesso de otimização de estoques MRO na Vale.

Metodologia de análise e modelos de otimização de estoques MRO Para otimização dos estoques MRO, é proposta uma metodologia baseada em cinco macroetapas, iniciada pelo mapeamento dos processos de negócios relacionados à gestão de estoques da organização. r &UBQB m .BQFBNFOUP EF QSPcessos e coleta de dados: mapeamento dos processos de negócios relacionados à gestão de estoques da organização, como, por exemplo, previsão de demanda, cadastramento de itens, emissão de requisições, compras, transporte, recebimento físico/fiscal, armazenagem e atendimento às áreas de manutenção, dentre outros. São mapeados aspectos como estrutura organizacional, procedimentos/ métodos de trabalho, sistemas/ tecnologias, indicadores de desempenho e metas. Também são coletados dados relacionados aos processos para análise na etapa seguinte. r &UBQB m "OÃMJTF TJTUFNÃUJDB F diagnóstico: análise dos processos mapeados e dos dados coletados,

"OP t FEJÎÍP

7

$BTP EF 4VDFTTP r (FTUĂˆP EF &TUPRVFT .30

visando identificar pontos crĂ­ticos e gargalos que afetem a otimização de estoques. Os processos de gestĂŁo de estoques e caracterĂ­sticas dos SKUs sĂŁo analisados em detalhes, com base em critĂŠrios como valor unitĂĄrio, freqßência de consumo, volume consumido, criticidade do ressuprimento, criticidade da falta e nĂ­vel de serviço, dentre outros, para mapeamento de gaps entre a situação vigente e a ideal. O diagnĂłstico ĂŠ formulado com base em anĂĄlises de causaefeito e correlaçþes que identifiquem as causas-raiz dos pontos crĂ­ticos e gaps mapeados. r &UBQB m 3FEFTFOIP EF QSPDFTTPT F FTQFDJĂąDBĂ‰ĂˆP EF NPEFMPT EF otimização: com base nas anĂĄlises e diagnĂłstico da etapa anterior, os processos sĂŁo redesenhados, sendo propostas melhorias em aspectos como organização, mĂŠtodos/procedimentos, sistemas/tecnologias e indicadores de desempenho. Nesta etapa, sĂŁo especificados os modelos de otimização de estoques MRO, customizados para o contexto da organização. Estes modelos, normalmente fundamentados em bases matemĂĄtico-estatĂ­sticas avançadas, serĂŁo posteriormente descritos em mais detalhes. r &UBQB m %FTFOWPMWJNFOUP EBT TPMVÉ×FT FTQFDJĂąDBEBT as soluçþes especificadas sĂŁo desenvolvidas, tanto em termos de implementação de sistemas/tecnologias quanto na geração de documentação referente a regulamentos/procedimentos de trabalho e manuais de treinamento. A capacitação das equipes envolvidas tambĂŠm ocorre nesta etapa. r &UBQB m *NQMBOUBĂ‰ĂˆP F PQFSBção assistida: as soluçþes desenvolvidas sĂŁo implantadas, com a entrada em operação dos novos

8

XXX SFWJTUBNVOEPMPHJTUJDB DPN CS

sistemas/tecnologias, procedimentos e equipes capacitadas. Hå acompanhamento inicial da operação pela equipe de projeto atÊ que o novo processo esteja eståvel.

Conforme colocado na descrição da etapa 3, os modelos de otimização de estoques MRO são normalmente fundamentados em bases matemåtico-estatísticas avançadas, o que torna complexa sua especificação e implantação. Dentre estes modelos, destacaremos dois casos específicos: Modelo Poisson e Modelo Composto.

Modelo Poisson O Modelo Poisson Ê o modelo matemåtico-estatístico mais difundido na literatura para otimização de estoques MRO. Tem como premissa a modelagem do comportamento da demanda pelo item por uma distribuição de probabilidades Poisson, que Ê muito utilizada para descrever eventos aleatórios raros, como, por exemplo, a falha não prevista de certos tipos de equipamentos (daí sua aderência na representação da demanda para alguns casos de peças de reposição).

A figura 4 mostra a distribuição de probabilidades Poisson aplicada a decisþes de gestão de estoques. No exemplo, a partir de um lead time (tempo de ressuprimento) do item igual a 3 meses e de um consumo mÊdio igual a 2 unidades por ano, Ê determinado o comportamento esperado da demanda pelo item durante o lead time.

Probabilidade da demanda no lead time assumir um valor x Probabilidade 70,0% 60,0%

59,5% Taxa de consumo por unidade de tempo

50,0% 40,0% 30,0%

30,9%

Lead Time de ressuprimento

20,0% 10,0%

8,0% 1,4%

0%

0,2%

Demanda no Lead Time

Figura 4. Exemplo do Modelo Poisson aplicado a item com lead time igual a 3 meses e taxa de consumo mĂŠdia igual a 2 unidades por ano.

Neste exemplo, caso seja determinado um ponto de pedido igual a zero (ou seja, Ê colocado o pedido de um lote ao fornecedor somente no momento em que o estoque acaba), o nível de serviço esperado serå de 59,5%, ou seja, a probabilidade de falta do item Ê de 40,5%. Utilizando o mesmo racional, caso o ponto de pedido seja igual a 1 unidade, o nível de serviço subirå para 90,4% (soma da probabilidade da demanda no lead time ser igual a zero com a probabilidade da demanda no lead time ser igual a 1).

Este racional Ê a base do Modelo Poisson para otimização dos parâmetros de estoque, sendo o nível ótimo escolhido a partir do somatório dos custos de estoque, pedido e falta obtidos em cada cenårio.

O Modelo Poisson Ê simples de ser implementado, porÊm apresenta uma sÊrie de limitaçþes. A distribuição de probabilidades de Poisson só Ê útil na descrição de eventos de consumo raros e de baixo volume, como o apresentado no exemplo. Caso o consumo do item tenha baixa freqßência com picos de con-

$BTP EF 4VDFTTP r (FTUÈP EF &TUPRVFT .30

sumo (volumes maiores que 3 unidades), dificilmente a distribuição de Poisson descreverá a demanda pelo item de forma fidedigna, o que levaria a decisões errôneas no dimensionamento do estoque. Outra limitação do Modelo Poisson é no caso de existirem planos de consumo pré-programados (exemplo de planos de manutenção preventiva), tendo em vista que este considera qualquer ocorrência de demanda como aleatória e não-previsível.

Modelo Composto O Modelo Composto representa uma evolução matemático-estatística para otimização de estoques MRO. Este utiliza duas distribuições de probabilidades para modelar o comportamento da demanda por um item: uma distribuição para modelar a ocorrência de consumo e outra distribuição para modelar o montante consumido dado que há consumo. A figura 5 ilustra esta idéia.

Montante Consumido

Ocorrência de Consumo

Probabilidade

Probabilidade

0

1

Ocorrência de Consumo

Montante Consumido

Figura 5. Modelagem do comportamento da demanda por um item MRO no modelo composto com a utilização de duas distribuições de probabilidades.

Várias distribuições de probabilidades podem ser utilizadas para modelar a ocorrência de consumo e o montante consumido (como, por exemplo, as distribuições Bernoulli, Normal, Exponencial e Gamma, dentre outras), tornando o Modelo Composto altamente flexível para diversos ambientes logístico-operacionais.

A flexibilidade do Modelo Composto faz com que a aderência do mesmo na descrição do comportamento de consumo de um item MRO seja sempre melhor ou igual ao Modelo Poisson, superando suas limitações. No caso da existência de programações de consumo para o item, advindas de planos de manutenção preventiva, o Modelo Composto pode tornar os parâmetros de estoque variáveis no tempo, garantindo o nível ótimo de estoque para cada momento, conforme ilustrado na figura 6.

Parâmetro de Estoque

Parâmetro de estoque fixo abaixo do ótimo (excesso de falta)

Parâmetro de estoque fixo acima do ótimo (excesso de estoque) Parâmetro de estoque variável (modelo composto)

Parâmetro de estoque fixo

Tempo

Figura 6. Ilustração da flexibilidade do Modelo Composto para definição dinâmica dos níveis ótimos de estoque de itens MRO.

Apesar de mais flexível e robusto, o Modelo Composto poder ser preterido em relação a modelos mais simples (como o Poisson) em algumas situações, tendo em vista sua maior complexidade de implementação.

$BTF m 0UJNJ[BÉÈP EF &TUPRVFT .30 OB 7BMF A Vale é a segunda maior mineradora diversificada do mundo em valor de mercado, possuindo escritórios e operações em mais de 30 países nos cinco continentes. Maior produtora mundial de minério de ferro e pelotas, a Vale se destaca no Brasil como maior empresa e exportador privado do País.

Para suportar suas operações de extração de minério, pelotização e logística no Brasil, a Vale conta com um footprint de mais de 50 armazéns MRO espalhados por diversas localidades, com destaque para os Estados de Minas Gerais, Pará, Espírito Santo e Maranhão.

Em 2005, foi criado o Departamento de Serviços Compartilhados da empresa, no qual foi centralizada a gestão de todos os armazéns MRO, bem como o planejamento de estoques de seus SKUs. Sob a gestão deste departamento, foram iniciados vários projetos de melhoria de infra-estrutura e processos da cadeia de suprimentos MRO da Vale, dentre os quais se destaca o projeto de otimização de estoques. Este projeto seguiu as macroetapas apresentadas no tópico 2. Primeiramente, foram mapeados os processos e coletados dados afetos à gestão de estoques MRO nas principais localidades.

Os mesmos foram analisados para elaboração do diagnóstico, no qual identificouse os gaps e oportunidades de melhoria.

"OP t FEJÎÍP

9

$BTP EF 4VDFTTP r (FTUĂˆP EF &TUPRVFT .30

Em seguida, teve-se a especificação de novos procedimentos e tecnologias para a gestão de estoques MRO da empresa, do qual fez parte a implementação do Modelo Composto para otimização dos parâmetros de estoque. Este modelo, assim como outros mais simples, foi especificado e testado para o contexto da empresa, para avaliação de seus ganhos antes de implantå-lo. Uma regra de decisão foi desenhada para definição do melhor modelo a ser utilizado para cada item em função de suas características de consumo, lead time, custos e criticidade. Esta regra de decisão foi automatizada, como ilustra a figura 7, permitindo sua aplicação para todos os SKUs da empresa.

ção do projeto trouxe ganhos relevantes para a Vale, tanto em redução de custos quanto em melhoria de nível de serviço e racionalização/padronização dos procedimentos de planejamento de estoques e aprovisionamento. A figura 8 ilustra um exemplo de ganhos do projeto para um armazÊm específico. Com os novos modelos, seria possível aumentar o nível de serviço de 73% para 93% e ainda reduzir o estoque total em 15%.

$POTJEFSBÉ×FT ùOBJT

Figura 7. Exemplo de aplicação de modelos de otimização de estoques MRO na Vale.

Os modelos de otimização tambÊm incorporaram casos nos quais não havia dados históricos de consumo e/ou lead time suficientes. Os mesmos foram estimados por tÊcnicas de mapeamento cognitivo junto às principais åreas usuårias dos itens e/ou por regras de previsão estatística.

AlÊm da otimização dos parâmetros de estoque, foram implementados modelos e procedimentos para monitoramento e controle operacional atravÊs de cartas de controle estatístico de processos, visando identificar com maior eficiência itens cujo comportamento de consumo ou lead time estivesse fora do padrão previsto. A implanta

R$

93%

90% 83%

100% 90% 80%

73%

70% 60% 50% 40%

30% 20% 10%

Parâmetros vigentes Valor em estoque

Parâmetros otimizados Cenårio 1

Parâmetros otimizados Cenårio 2

Custo de Pedido+Manutenção de Estoque

Parâmetros otimizados Cenårio 3

0%

Nível de Serviço

Figura 8. Exemplo de ganhos do projeto para um armazĂŠm especĂ­fico.

10

XXX SFWJTUBNVOEPMPHJTUJDB DPN CS

A gestão de estoques MRO deve ser tratada como um capítulo à parte dentro da teoria e pråtica de logística e supply chain management. As características desse tipo de item demandam metodologias e tÊcnicas específicas para o adequado dimensionamento de estoques e otimização dos custos logísticos. É recomendado aos gestores de suprimentos MRO que, previamente à especificação e implantação de soluçþes, haja dispêndio de tempo e recursos no mapeamento e anålise dos processos de negócios afetos à gestão de estoques de suas organizaçþes. Somente assim poder-se-å garantir que as soluçþes são aderentes a seus contextos e trarão ganhos efetivos.

Outro fator importante Ê a possibilidade de se simular situaçþes distintas de nível de serviço e estoque, considerando as necessidades específicas de cada item e cada negócio. Isso deixa mais transparente para o acionista as regras usadas para aplicação de capital em estoque e serve de apoio à tomada de decisão entre o portfólio de investimentos da empresa.

O case apresentado neste artigo mostra que, apesar da complexidade, Ê possível implantar novos procedimentos e tecnologias para a otimização de estoques MRO a partir de projetos estruturados, que garantam que as soluçþes especificadas levem em consideração as particularidades do ambiente de negócios existente.