O desenvolvimento vertiginoso das ferramentas tecnológicas nas últimas
décadas permitiu aos tomadores de decisão a possibilidade de enxergar
sua cadeia de suprimentos de maneira integral. Essa visão completa da
cadeia, associada ao desenvolvimento de técnicas computacionais
avançadas de apoio à decisão, permitem ao tomador de decisão (gerente,
CEO, diretor, etc.) a possibilidade de tomar decisões a partir de uma
visão integrada de serviços, demanda, custos, logística, mão de obra e
todos os outros elementos que compõem a cadeia logística. Entretanto,
são poucos os tomadores de decisão que, apesar do apoio das ferramentas
tecnológicas, são capazes de aplicar essa visão integrada na sua
empresa.
Além disso, se, por um lado, a disseminação de novas tecnologias demanda considerável investimento em P&D, por outro possibilitou que algumas empresas (aquelas cujos tomadores têm a capacidade de enxergar integralmente a cadeia) criassem grandes vantagens competitivas através da sua aplicação. E, atualmente, a empresa que não as utiliza, perde competitividade.
Esse tema foi abordado, inclusive, diversas vezes durante o discurso de Barack Obama em fevereiro desse ano, em que se estabeleceu como meta a revitalização e a criação de novas parcerias entre o setor público e privado para desenvolvimento de inovação e tecnologia nos diversos setores de manufatura e serviços. Também o presidente da FIESP, Paulo Skaf, concedeu uma entrevista em que afirma que a relação entre pesquisa e indústria ainda é muito incipiente no Brasil, e que precisa avançar muito para o país avançar no quesito competitividade tecnológica.
O leitor pode se perguntar, a essa altura, o que a otimização da malha logística de uma empresa tem a ver com essa questão tecnológica. E a resposta é: absolutamente tudo! Para entender isso, vamos imaginar uma empresa que vende itens de varejo (que pode ser qualquer item, como roupas, cafeteiras, canetas, sapatos, etc.), e conta com milhares de itens para venda ao consumidor final (SKUs), fornecedores localizados em dezenas de países e alguns grandes centros de consolidação espalhados pelo mundo. Como essa empresa pode organizar sua cadeia logística para abastecer o mercado brasileiro da melhor forma possível? Quais modais de transporte, quais portos e aeroportos, quais Centros de Distribuição no Brasil serão utilizados para fornecer quais produtos para quais cidades? Que tipos de operações fiscais e tributarias incidirão sobre os processos?
Para expressar a complexidade desse problema, vamos exemplificar uma configuração de uma cadeia logística simplificada: imagine que você deva escolher a melhor malha logística considerando que sua empresa possui 1 fornecedor no exterior, 3 alternativas de portos e 3 de aeroportos para importação da carga, 4 alternativas de CDs para desconsolidação dos lotes e apenas 1 cliente no Brasil. Essa configuração simplificada resulta em 24 rotas possíveis (4x (3+3)) para escoamento do seu produto.
Dessas 24 rotas possíveis, você pode escolher utilizar apenas uma delas (exemplo: escoar todas as mercadorias através da rota Fornecedor-Porto 1-CD 1-Cliente) ou uma combinação qualquer entre elas (exemplo: escoar 50% das mercadorias através da rota Fornecedor-CD1-Porto1-Cliente e outros 50% através da rota Fornecedor-Aeroporto3-CD1-Cliente). Para essa malha logística simplificada, existem nada menos do que 16 milhões de alternativas possíveis (é a “mágica” da análise combinatória). É possível, então, que a empresa opere no menor custo possível sem auxílio computacional para calcular a melhor alternativa, considerando uma visão integrada dessa cadeia logística?
Evidentemente que, dentre 16 milhões de alternativas possíveis, existem algumas que parecem inviáveis ou bastante impraticáveis (como, por exemplo, enviar produtos para um porto no sul do país para, posteriormente, abastecer um CD localizado no mercando nordestino). Mas, mesmo assim, devemos tomar cuidado até com as alternativas não intuitivas. A complexidade da malha, a relação entre as suas restrições e variáveis peculiares (pensando-se em um transporte intermodal, por exemplo, em que há sazonalidade de fretes, diferentes frequências de despacho de carga de acordo com o porto/aeroporto brasileiro, custo de estoque em função do número de nós da malha – que ocasiona estoques de ciclo, de segurança e em trânsito, alíquotas de impostos diversos, crédito de ICMS, guerra dos portos, variabilidade de demanda e, para ajudar, 16 milhões de alternativas em uma simples malha) criam situações de difícil análise e mensuração. Pelo grande número de alternativas, é impossível avaliar todas e escolher a melhor, ao menos que a decisão seja suportada pelo modelo computacional de otimização.
Há pouco mais de dez anos, estudar a malha logística através de um modelo de otimização era muito mais demorado e difícil. Com os avanços dos modelos matemáticos e da capacidade computacional, os modelos de otimização são cada vez mais uma realidade nas empresas de ponta, buscando extrair cada centavo de cada possibilidade de ganho na margem do produto, tornando-se uma ferramenta de competitividade essencial.
No caso da configuração da malha logística, um modelo de otimização pode considerar custos de transporte, de movimentação, impostos e tributos pertinentes (inclusive a influência do crédito morto de ICMS), restrições de lead time, restrições de capacidade de fábrica, CDs e portos, entre diversos outros aspectos.
Através dele, é possível determinar qual a configuração ótima da malha logística, além de realizar análises para cenários futuros, considerando aumento da demanda em diferentes regiões, impacto dos fretes e custos de movimentação e riscos de rompimento da cadeia, entre outros. Para cada cenário analisado, o modelo encontrará a melhor alternativa. De posse dos diversos cenários, é possível estabelecer o desempenho de cada alternativa. Por exemplo, imagine que uma empresa que atua no mercado nacional prevê três possíveis cenários de crescimento, com incerteza no horizonte de tempo:
Cenário 1: aumento da demanda no Nordeste
Cenário 2: aumento da demanda no Sudeste
Cenário 3: aumento da demanda no Sul
Para cada um dos cenários, é analisado o resultado de cada alternativa viável de configuração da malha logística. Observe que a alternativa 1 (azul) é a de menor custo no cenário 1. Nos outros cenários, ela não é muito mais dispendiosa do que as outras, mas, por outro lado, a alternativa 2 (preta) é extremamente cara no cenário 3, em que a demanda aumenta na região Sul. Ainda, se as chances do cenário 3 se concretizar forem altas, é possível concluirmos que a alternativa 3 é de alto risco.
Dessa forma, podemos utilizar um modelo computacional como ferramenta de um estudo maior, seja para a realização de uma análise operacional, seja para a análise estratégica da malha para um horizonte de 5, 10 ou 20 anos, mitigando o risco de investimento em fábricas e CDs e até o risco de contratos com Operadores Logísticos.
Por fim, acreditamos que é crucial o desenvolvimento e a aplicação de tecnologias para garantir vantagem competitiva às empresas. Sabemos que toda vantagem competitiva é temporária, e empresa de sucesso é aquela que renova suas vantagens competitivas ao logo do tempo, estando sempre à frente das demais. E a aplicação de novas tecnologias desempenha papel fundamental nisso.
Por Edson Trevisan,
Mestre em Engenharia de Sistemas Logístico.
Além disso, se, por um lado, a disseminação de novas tecnologias demanda considerável investimento em P&D, por outro possibilitou que algumas empresas (aquelas cujos tomadores têm a capacidade de enxergar integralmente a cadeia) criassem grandes vantagens competitivas através da sua aplicação. E, atualmente, a empresa que não as utiliza, perde competitividade.
Esse tema foi abordado, inclusive, diversas vezes durante o discurso de Barack Obama em fevereiro desse ano, em que se estabeleceu como meta a revitalização e a criação de novas parcerias entre o setor público e privado para desenvolvimento de inovação e tecnologia nos diversos setores de manufatura e serviços. Também o presidente da FIESP, Paulo Skaf, concedeu uma entrevista em que afirma que a relação entre pesquisa e indústria ainda é muito incipiente no Brasil, e que precisa avançar muito para o país avançar no quesito competitividade tecnológica.
O leitor pode se perguntar, a essa altura, o que a otimização da malha logística de uma empresa tem a ver com essa questão tecnológica. E a resposta é: absolutamente tudo! Para entender isso, vamos imaginar uma empresa que vende itens de varejo (que pode ser qualquer item, como roupas, cafeteiras, canetas, sapatos, etc.), e conta com milhares de itens para venda ao consumidor final (SKUs), fornecedores localizados em dezenas de países e alguns grandes centros de consolidação espalhados pelo mundo. Como essa empresa pode organizar sua cadeia logística para abastecer o mercado brasileiro da melhor forma possível? Quais modais de transporte, quais portos e aeroportos, quais Centros de Distribuição no Brasil serão utilizados para fornecer quais produtos para quais cidades? Que tipos de operações fiscais e tributarias incidirão sobre os processos?
Para expressar a complexidade desse problema, vamos exemplificar uma configuração de uma cadeia logística simplificada: imagine que você deva escolher a melhor malha logística considerando que sua empresa possui 1 fornecedor no exterior, 3 alternativas de portos e 3 de aeroportos para importação da carga, 4 alternativas de CDs para desconsolidação dos lotes e apenas 1 cliente no Brasil. Essa configuração simplificada resulta em 24 rotas possíveis (4x (3+3)) para escoamento do seu produto.
Dessas 24 rotas possíveis, você pode escolher utilizar apenas uma delas (exemplo: escoar todas as mercadorias através da rota Fornecedor-Porto 1-CD 1-Cliente) ou uma combinação qualquer entre elas (exemplo: escoar 50% das mercadorias através da rota Fornecedor-CD1-Porto1-Cliente e outros 50% através da rota Fornecedor-Aeroporto3-CD1-Cliente). Para essa malha logística simplificada, existem nada menos do que 16 milhões de alternativas possíveis (é a “mágica” da análise combinatória). É possível, então, que a empresa opere no menor custo possível sem auxílio computacional para calcular a melhor alternativa, considerando uma visão integrada dessa cadeia logística?
Evidentemente que, dentre 16 milhões de alternativas possíveis, existem algumas que parecem inviáveis ou bastante impraticáveis (como, por exemplo, enviar produtos para um porto no sul do país para, posteriormente, abastecer um CD localizado no mercando nordestino). Mas, mesmo assim, devemos tomar cuidado até com as alternativas não intuitivas. A complexidade da malha, a relação entre as suas restrições e variáveis peculiares (pensando-se em um transporte intermodal, por exemplo, em que há sazonalidade de fretes, diferentes frequências de despacho de carga de acordo com o porto/aeroporto brasileiro, custo de estoque em função do número de nós da malha – que ocasiona estoques de ciclo, de segurança e em trânsito, alíquotas de impostos diversos, crédito de ICMS, guerra dos portos, variabilidade de demanda e, para ajudar, 16 milhões de alternativas em uma simples malha) criam situações de difícil análise e mensuração. Pelo grande número de alternativas, é impossível avaliar todas e escolher a melhor, ao menos que a decisão seja suportada pelo modelo computacional de otimização.
Há pouco mais de dez anos, estudar a malha logística através de um modelo de otimização era muito mais demorado e difícil. Com os avanços dos modelos matemáticos e da capacidade computacional, os modelos de otimização são cada vez mais uma realidade nas empresas de ponta, buscando extrair cada centavo de cada possibilidade de ganho na margem do produto, tornando-se uma ferramenta de competitividade essencial.
No caso da configuração da malha logística, um modelo de otimização pode considerar custos de transporte, de movimentação, impostos e tributos pertinentes (inclusive a influência do crédito morto de ICMS), restrições de lead time, restrições de capacidade de fábrica, CDs e portos, entre diversos outros aspectos.
Através dele, é possível determinar qual a configuração ótima da malha logística, além de realizar análises para cenários futuros, considerando aumento da demanda em diferentes regiões, impacto dos fretes e custos de movimentação e riscos de rompimento da cadeia, entre outros. Para cada cenário analisado, o modelo encontrará a melhor alternativa. De posse dos diversos cenários, é possível estabelecer o desempenho de cada alternativa. Por exemplo, imagine que uma empresa que atua no mercado nacional prevê três possíveis cenários de crescimento, com incerteza no horizonte de tempo:
Cenário 1: aumento da demanda no Nordeste
Cenário 2: aumento da demanda no Sudeste
Cenário 3: aumento da demanda no Sul
Para cada um dos cenários, é analisado o resultado de cada alternativa viável de configuração da malha logística. Observe que a alternativa 1 (azul) é a de menor custo no cenário 1. Nos outros cenários, ela não é muito mais dispendiosa do que as outras, mas, por outro lado, a alternativa 2 (preta) é extremamente cara no cenário 3, em que a demanda aumenta na região Sul. Ainda, se as chances do cenário 3 se concretizar forem altas, é possível concluirmos que a alternativa 3 é de alto risco.
Dessa forma, podemos utilizar um modelo computacional como ferramenta de um estudo maior, seja para a realização de uma análise operacional, seja para a análise estratégica da malha para um horizonte de 5, 10 ou 20 anos, mitigando o risco de investimento em fábricas e CDs e até o risco de contratos com Operadores Logísticos.
Por fim, acreditamos que é crucial o desenvolvimento e a aplicação de tecnologias para garantir vantagem competitiva às empresas. Sabemos que toda vantagem competitiva é temporária, e empresa de sucesso é aquela que renova suas vantagens competitivas ao logo do tempo, estando sempre à frente das demais. E a aplicação de novas tecnologias desempenha papel fundamental nisso.
Por Edson Trevisan,
Mestre em Engenharia de Sistemas Logístico.
Nenhum comentário:
Postar um comentário