Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Otimização dos pedidos das lojas em ambiente Just in
Time: O Caso da Jerónimo Martins
Beatriz Silva Batista
Dissertação para obtenção do grau de Mestre em
Engenharia e Gestão Industrial
Orientadora: Profª. Ana Paula Ferreira Dias Barbosa Póvoa
Júri
Presidente: Profª. Susana Isabel Carvalho Relvas
Orientadora: Profª. Ana Paula Ferreira Dias Barbosa Póvoa
Vogal: Profª. Ana Isabel Cerqueira de Sousa Gouveia Carvalho
Setembro 2014
ii
Resumo
Portugal encontra-se hoje numa situação de adversidade económica e social. O resultado da
incerteza no mercado fomenta decisões estratégicas por parte das empresas, para que
possam continuar a crescer e prosperar em situações inóspitas como a atual. Sendo a cadeia
de abastecimento um pilar fundamental de qualquer empresa, torna-se imperativa a construção
e manutenção de uma cadeia de abastecimento ágil e sustentável, que permita responder às
necessidades do mercado.
Neste contexto, as empresas no setor do retalho estão ativamente a procurar restruturar as
suas redes de abastecimento, e o Grupo Jerónimo Martins não é exceção. Como tal, uma das
melhorias identificadas na área logística do grupo consiste na otimização do ciclo de pedidos
efetuados pelas lojas. Atualmente, as lojas dispõem de sete dias por semana para efetuar
pedidos aos armazéns, independentemente do tipo de produtos, quantidades e especificações.
Esta situação torna-se complexa quando os produtos são operados em fluxo Just in Time (JIT),
uma vez que nem todos os produtos dispõem dos mesmos tempos de abastecimento. A
otimização do ciclo de pedidos em ambiente JIT poderá conduzir a inúmeras vantagens
nomeadamente no que respeita ao aumento da produtividade no armazém bem como a uma
maior eficiência do planeamento das atividades em loja e nos transportes.
No presente trabalho é efetuada uma caracterização do problema em estudo, através da
descrição da rede logística do Grupo Jerónimo Martins, com enfase nas operações em JIT no
armazém de Não Perecíveis de Vila Nova da Rainha, identificando-se as principais
características e constrangimentos da rede. Seguidamente é realizada uma revisão da
literatura disponível, sobre cadeias de abastecimento, filosofia JIT, Cross Docking nas cadeias
de abastecimento e métodos e conceitos aplicados à gestão de produtos com procura variável.
A resolução do problema será tomada em duas fases: a primeira com a seleção da amostra
para o estudo dos pedidos de artigos críticos para o armazém, e a segunda com a aplicação de
um modelo matemático ao caso de estudo, com a função de reduzir a diferença nos volumes
de caixas executadas por dia no armazém, e respetiva análise de resultados. Adicionalmente é
efetuada a identificação de outros problemas operacionais do armazém.
Palavras-Chave: Ciclo de pedidos, Fluxo de operação de produtos, Gestão de
cadeias de abastecimento, Just in Time, Produtividade, Artigos críticos, Otimização.
iii
Abstract
Portugal is currently facing social and economical tribulation. In order to cope with the resulting
uncertainty, companies are focusing on strategic decisions to stimulate development and
growth, allowing them to thrive in difficult situations such as the current one. The supply chain is
a fundamental element in any company, therefore its agility and sustainability is imperative in
order to correctly face and respond to market demands.
Companies in the retail industry are actively trying to develop and restructure their supply
chains, and the Jerónimo Martins group is no exception. As such, one of the main problems
identified by JM logistics department, regards the order cycle optimization. Presently, Pingo
Doce stores are able to place orders to the warehouses at any day during the week, regardless
the quantities, type and product specifications.
This situation becomes more complex when products are being managed in a Just in Time flow,
since not all the products have the same lead time. The order cycle optimization in JIT
environment could allow to numerous advantages, namely by increasing warehouse productivity
and by allowing a more efficient transportation and store management planning.
The first step of the current work is to characterize the problem in study through the description
of Jerónimo Martins logistics network, with particular emphasis in the operations taking place at
the Non Perishable warehouse in Vila Nova da Rainha. Then, a review of the available literature
is performed, in order to better understand the concepts of supply chain, just in time, cross
docking and other methods and theories related to products with variable and uncertain
demand. The order cycle problem is then addressed in two phases: the first one contemplates
the sample selection of critical items for the warehouse; and the second develops and applies a
mathematical model to the case study, in order to reduce the difference in volume of cases
executed per day in the warehouse, and subsequent analysis of the results. In addition the
identification of other operational problems that exist at the warehouse is made.
Key-Words: Order cycle, Product flow, Supply chain management, Just in Time, Productivity,
critical items, Optimization.
iv
Agradecimentos
Á professora Ana Póvoa, por me ter dado a possibilidade de realizar a tese de mestrado sob a
sua orientação. Agradeço a disponibilidade para o esclarecimento de dúvidas, a liberdade para
explorar ideias e a confiança no trabalho.
Ao engenheiro José Leal, pelo acompanhamento ao longo do trabalho. Agradeço a motivação,
a valia e o esforço para que me fosse disponibilizada toda a informação necessária para a
concretização da dissertação. Estendo o agradecimento à equipa do armazém 5407, pelos
esclarecimentos e pela participação no trabalho.
Aos meus amigos, pela paciência e pelo encorajamento.
Aos meus pais, por tudo.
E ao meu avô, pela inspiração.
v
Índice
1. Introdução ............................................................................................................................... 1
1.1. Contextualização do Problema .............................................................................. 1
1.2. Metodologia ........................................................................................................... 2
1.3. Objetivos do Trabalho ............................................................................................ 3
1.4. Estrutura do Trabalho ............................................................................................ 3
2. Caso de Estudo ...................................................................................................................... 4
2.1. Grupo Jerónimo Martins ......................................................................................... 4
2.2. Rede Logística ....................................................................................................... 6
2.2.1. Sistemas de Informação ......................................................................................... 6
2.2.2. Aprovisionamento .................................................................................................... 7
2.2.3. Centros de Distribuição .......................................................................................... 8
2.2.4. Transportes .............................................................................................................. 9
2.2.5. Lojas ........................................................................................................................ 10
2.3. Armazém de Não Perecíveis JIT .......................................................................... 11
2.3.1. Descrição do Armazém e Layout ........................................................................ 11
2.3.2. Operações .............................................................................................................. 11
2.4. Critérios de Armazenagem .................................................................................. 13
2.5. Planeamento dos Pedidos das Lojas em JIT ....................................................... 14
2.6. Constrangimentos Atuais e a Importância do Estudo dos Pedidos ...................... 15
2.7. Conclusões do Capítulo ....................................................................................... 16
3. Revisão da Literatura .......................................................................................................... 17
3.1. Gestão de Cadeias de Abastecimento ................................................................. 17
3.2. A Indústria do Retalho ......................................................................................... 19
3.2.1. Características do Setor em Portugal ................................................................ 20
3.2.2. A Logística no Retalho .......................................................................................... 20
3.2.3. Principais Desafios na Cadeia de Abastecimento no Retalho ....................... 21
3.3. Just in Time nas Cadeias de Abastecimento ........................................................ 23
3.4. Cross Docking nas Cadeias de Abastecimento .................................................... 24
3.4.1. Conceito de Cross Docking ................................................................................. 24
3.4.2. Aplicação do Cross Docking ................................................................................ 25
3.5. Gestão de Produtos com Procura Variável .......................................................... 26
3.5.1. Classificação de Inventário .................................................................................. 26
vi
3.5.2. Gestão de Armazéns e Inventário ...................................................................... 27
3.6. Conclusões do Capítulo ....................................................................................... 28
4. Recolha e Tratamento de Dados ....................................................................................... 29
4.1. Perfil do Armazém de Não Perecíveis JIT ............................................................ 29
4.1.1. Produtividade no Armazém .................................................................................. 29
4.1.2. Artigos no Armazém .............................................................................................. 30
4.2. Seleção da Amostra ............................................................................................. 31
4.2.1. Operação de Execução e Classificação dos Artigos ....................................... 31
4.2.2. Tamanho da Amostra ........................................................................................... 35
4.2.3. Seleção, Caracterização e Validação da Amostra ........................................... 36
4.3. Análise dos Pedidos das Lojas ............................................................................ 39
4.3.1. Caracterização das Lojas ..................................................................................... 39
4.3.2. Análise dos Pedidos.............................................................................................. 41
4.3.3. Interação das Lojas com o Armazém ................................................................. 44
4.4. Conclusões do Capítulo ....................................................................................... 45
5. Conceção e Aplicação do Modelo de Otimização .......................................................... 46
5.1. Definição do Problema ......................................................................................... 46
5.1.1. Vehicle Routing Problem (VRP) ......................................................................... 46
5.1.2. Adaptação do VRP ao Problema em Estudo .................................................... 47
5.2. Modelo de Otimização ......................................................................................... 49
5.2.1. Descrição e Pressupostos do Modelo ................................................................ 49
5.2.2. Formulação Matemática do Modelo ................................................................... 51
5.2.3. Dados de Input do Modelo ................................................................................... 55
5.3. Aplicação do Modelo ao Caso de Estudo ............................................................. 56
5.3.1. Fluxo Alimentar ...................................................................................................... 56
5.3.2. Fluxo Não Alimentar.............................................................................................. 60
5.4. Análise de Cenários ............................................................................................. 63
5.4.1. Fluxo Alimentar ...................................................................................................... 64
5.4.2. Fluxo Não Alimentar.............................................................................................. 69
5.5. Conclusões do Capítulo ....................................................................................... 75
6. Conclusões Finais e Desenvolvimento Futuro ................................................................ 77
7. Bibliografia ............................................................................................................................. 81
8. Anexos ................................................................................................................................... 85
8.1.Transportadoras do Grupo JM .............................................................................. 85
vii
8.2. Artigos do Grupo JM ............................................................................................ 85
8.3. Análise ABC ......................................................................................................... 87
8.4. Tabela de Dificuldades......................................................................................... 88
8.5. Inquérito aos Colaboradores do armazém 5407................................................... 89
8.6. Amostra – Matriz de Dupla Entrada ..................................................................... 90
8.7. Amostra – Saídas por Loja na Região Centro ...................................................... 90
8.8. Amostra – Classificação Final dos Artigos ........................................................... 91
8.9. Modelo – Dados de Entrada .............................................................................. 100
8.10. Modelo – Resultados da Aplicação .................................................................. 108
Lista de figuras Figura 1. Metodologia ................................................................................................................ 2
Figura 2. Estrutura do negócio do Grupo JM ......................................................................... 5
Figura 3. Mapa com os atuais CD do Grupo JM em Portugal ............................................. 8
Figura 4. Distribuição das lojas Pingo Doce e Recheio Cash&Carry pelo país ............. 10
Figura 5. Gráfico com a produtividade no armazém 5407, por fluxo e para o período de
Jan-Mar de 2014 ....................................................................................................................... 30
Figura 6. Metodologia para seleção da amostra ................................................................. 31
Figura 7. Gráfico de Ichikawa para a atividade de execução no armazém 5407 .......... 32
Figura 8. Gráfico com o resultado do inquérito em relação aos critérios de dificuldade
de execução no armazém 5407 ............................................................................................. 34
Figura 9. Abastecimento em JIT do armazém 5407 ........................................................... 42
Figura 10 a). Gráfico com a % de caixas executadas em média numa semana para o
período Jan-Mar de 2014 no fluxo Alimentar; b). Gráfico com a % de caixas que
compõe a amostra executadas em média numa semana para o período Fev-Mar de
2014 no fluxo Alimentar ........................................................................................................... 43
Figura 11 a). Gráfico com a % de caixas executadas em média numa semana para o
período Jan-Mar de 2014 no fluxo Não Alimentar; b). Gráfico com a % de caixas que
compõe a amostra executadas em média numa semana para o período Fev-Mar de
2014 no fluxo Não Alimentar .................................................................................................. 43
Figura 12. Ilustração do problema das rotas ........................................................................ 47
Figura 13. Primeira simplificação para o abastecimento em JIT do armazém 5407 ..... 48
Figura 14. Segunda simplificação para o abastecimento em JIT do armazém 5407 .... 49
Figura 15. Gráfico com a distribuição % de caixas e minutos para a situação inicial no
fluxo Alimentar .......................................................................................................................... 57
Figura 16. Gráfico com a distribuição % de caixas e minutos para o cenário base no
fluxo Alimentar .......................................................................................................................... 59
Figura 17. Gráfico com a distribuição % de caixas e minutos para a situação inicial no
fluxo Não Alimentar .................................................................................................................. 61
Figura 18. Gráfico com a distribuição % de caixas e minutos para o cenário base no
fluxo Não Alimentar .................................................................................................................. 62
viii
Figura 19. Gráfico com a distribuição % de caixas e minutos para o cenário 1 no fluxo
Alimentar .................................................................................................................................... 65
Figura 20. Gráfico com a distribuição % de caixas e minutos para o cenário 2 (p menor
ou igual a 1) no fluxo Alimentar .............................................................................................. 66
Figura 21. Gráfico com a distribuição % de caixas e minutos para o cenário 2 (p menor
ou igual a 3) no fluxo Alimentar .............................................................................................. 67
Figura 22. Gráfico com a distribuição % de caixas e minutos para o cenário 3 no fluxo
Alimentar .................................................................................................................................... 68
Figura 23. Gráfico com a distribuição % de caixas e minutos para o cenário 1 no fluxo
Não Alimentar ........................................................................................................................... 70
Figura 24. Gráfico com a distribuição % de caixas e minutos para o cenário 2 (p menor
ou igual a 1) no fluxo Não Alimentar ..................................................................................... 71
Figura 25. Gráfico com a distribuição % de caixas e minutos para o cenário 2 (p menor
ou igual a 3) no fluxo Não Alimentar ..................................................................................... 72
Figura 26. Gráfico com a distribuição % de caixas e minutos para o cenário 3 (p menor
ou igual a 1) no fluxo Não Alimentar ..................................................................................... 73
Figura 27. Gráfico com a distribuição % de caixas e minutos para o cenário 3 (p menor
ou igual a 3) no fluxo Não Alimentar ..................................................................................... 74
Figura 28. Dias de operação no armazém 5407 ................................................................. 76
Lista de tabelas Tabela 1. Tabela com o resumo dos parâmetros da amostra ........................................... 36
Tabela 2. Excerto da tabela de classificação dos artigos, no fluxo Alimentar ................ 37
Tabela 3. Excerto da tabela de classificação dos artigos em relação ao critério número
de referências, no fluxo Alimentar ......................................................................................... 37
Tabela 4. Excerto da tabela resumo das características da amostra, no fluxo Alimentar
..................................................................................................................................................... 38
Tabela 5. Caracterização dos componentes das amostras ............................................... 39
Tabela 6. Caracterização das lojas da região Centro......................................................... 39
Tabela 7. Lojas escolhidas para o estudo dos pedidos ..................................................... 41
Tabela 8. Número teórico de FTE's necessário para a execução dos artigos críticos no
fluxo Alimentar .......................................................................................................................... 58
Tabela 9. Número de FTE's necessário para a execução dos artigos críticos que
compõe a amostra no fluxo Alimentar ................................................................................... 58
Tabela 10. Processo de escolha para a ordem de minimização das funções objetivo no
fluxo Alimentar .......................................................................................................................... 59
Tabela 11. Resultados computacionais da aplicação do modelo ao cenário base no
fluxo Alimentar .......................................................................................................................... 59
Tabela 12. Resultados operacionais da aplicação do modelo ao cenário base no fluxo
Alimentar .................................................................................................................................... 60
Tabela 13. Número teórico de FTE's necessário para a execução dos artigos críticos
no fluxo Não Alimentar ............................................................................................................ 61
ix
Tabela 14. Número de FTE's necessário para a execução dos artigos críticos que
compõe a amostra no fluxo Não Alimentar .......................................................................... 62
Tabela 15. Processo de escolha para a ordem de minimização das funções objetivo no
fluxo Não Alimentar .................................................................................................................. 62
Tabela 16. Resultados computacionais da aplicação do modelo ao cenário base no
fluxo Não Alimentar .................................................................................................................. 63
Tabela 17. Resultados operacionais da aplicação do modelo ao cenário base no fluxo
Não Alimentar ........................................................................................................................... 63
Tabela 18. Capacidade de execução em nº de caixas por dia no fluxo Alimentar ........ 64
Tabela 19. Capacidade de execução cem nº de caixas com penalizações por dia no
fluxo Alimentar .......................................................................................................................... 65
Tabela 20. Resultados computacionais da aplicação do modelo ao cenário 1 no fluxo
Alimentar .................................................................................................................................... 65
Tabela 21. Resultados operacionais da aplicação do modelo ao cenário 1 no fluxo
Alimentar .................................................................................................................................... 66
Tabela 22. Resultados computacionais da aplicação do modelo ao cenário 2 (p menor
ou igual a 1) no fluxo Alimentar .............................................................................................. 67
Tabela 23. Resultados computacionais da aplicação do modelo ao cenário 2 (p menor
ou igual a 3) no fluxo Alimentar .............................................................................................. 67
Tabela 24. Resultados operacionais da aplicação do modelo ao cenário 2 no fluxo
Alimentar .................................................................................................................................... 68
Tabela 25. Resultados computacionais da aplicação do modelo ao cenário 3 no fluxo
Alimentar .................................................................................................................................... 68
Tabela 26. Resumo da restrição da capacidade para vários dias de pedido ................. 69
Tabela 27. Resultados operacionais da aplicação do modelo ao cenário 3 no fluxo
Alimentar .................................................................................................................................... 69
Tabela 28. Capacidade de execução em nº de caixas por dia no fluxo Não Alimentar 69
Tabela 29. Capacidade de execução em nº de caixas com penalizações por dia no
fluxo Não Alimentar .................................................................................................................. 70
Tabela 30. Resultados computacionais da aplicação do modelo ao cenário 1 no fluxo
Não Alimentar ........................................................................................................................... 70
Tabela 31. Resultados operacionais da aplicação do modelo ao cenário 1 no fluxo Não
Alimentar .................................................................................................................................... 71
Tabela 32. Resultados computacionais da aplicação do modelo ao cenário 2 (p menor
ou igual a 1) no fluxo Não Alimentar ..................................................................................... 71
Tabela 33. Resultados computacionais da aplicação do modelo ao cenário 2 (p menor
ou igual a 3) no fluxo Não Alimentar ..................................................................................... 72
Tabela 34. Resultados computacionais da aplicação do modelo ao cenário 2 no fluxo
Não Alimentar ........................................................................................................................... 73
Tabela 35. Resultados computacionais da aplicação do modelo ao cenário 3 (p menor
ou igual a 1) no fluxo Não Alimentar ..................................................................................... 73
Tabela 36. Resultados computacionais da aplicação do modelo ao cenário 3 (p menor
ou igual a 3) no fluxo Não Alimentar ..................................................................................... 74
Tabela 37. Resultados operacionais da aplicação do modelo ao cenário 3 no fluxo Não
Alimentar .................................................................................................................................... 74
x
Tabela 38. Resumo das melhorias operacionais verificadas em cada cenário para o
fluxo Alimentar .......................................................................................................................... 75
Tabela 39. Resumo das melhorias operacionais verificadas em cada cenário para o
fluxo Não Alimentar .................................................................................................................. 75
Tabela 40. Excerto da tabela com o resultado do modelo para o cenário base no fluxo
Alimentar .................................................................................................................................... 76
Lista de abreviaturas AT – Acessório de Transporte
CD – Centro de Distribuição
CPFR – Collaborative Planning, Forecasting and Replenishment
CRP - Continuous Replenishment Program
CSCMP - Council of Supply Chain Management Professionals
DPH – Detergentes e Produtos de Higiene
ECM – Error Correction Model
ECR – Efficient Consumer Response
EDI – Electronic Data Interchange
EDLP – Every Day Low Price
JIT – Just in Time
JM – Jerónimo Martins
JMDPC – Jerónimo Martins Distribuição de Produtos de Consumo
JMR – Jerónimo Martins Retalho
JMRS – Jerónimo Martins Restauração e Serviços
MRP – Material Requirements Planning
NP – Não Perecíveis
QR – Quick Response
RFID – Radiofrequency Identification
SKU – Stock Keeping Unit
SC – Supply Chain
S&OP – Sales and Operation Planning
xi
TVP – Time Varying Parameter Model
UE – União Europeia
UMC – Unidade de Medida de Compra
UMV – Unidade de Medida de Venda
UT – Unidade de Trabalho
VAR – Vector Autoregressive Model
VMI – Vendor Managed Inventory
WIP – Work in Process
WPMS – Warehouse Physical Management System
3PL – Third Party Logistic
FTE – Full Time Equivalent
1
1. Introdução
1.1. Contextualização do Problema Portugal encontra-se hoje numa situação de adversidade económica e social resultante do
abrandamento do crescimento económico, elevada taxa de desemprego, baixos níveis de consumo
(abaixo da média europeia) e redução da confiança nas empresas, elementos que há muito não se
verificavam. A economia mundial está a ser condicionada por restrições orçamentais, incerteza
política, aumento de impostos e consequente abrandamento do crescimento económico. O resultado
de tanta incerteza no mercado leva a que seja necessário levar a cabo decisões estratégicas que
permitam às empresas continuar a desenvolver-se, mesmo em situações inóspitas como a atual. De
facto, é em ambientes de adversidade que muitas empresas conseguem prosperar, utilizando
técnicas adequadas e sustentáveis que visam a criação de valor.
Nas últimas três décadas, os aspetos operacionais e estratégicos para a gestão e projeto de cadeias
de abastecimento têm sido enfaticamente estudados. Contudo, persiste a distinção entre “cadeia de
valor” associada aos aspetos de criação e apropriação de valor e “cadeia de abastecimento” descrita
como o conjunto de estratégias e ferramentas utilizadas para o projeto e operação de redes eficientes
(Holweg e Helo, 2013).
Christopher (1992) constata que são as cadeias de abastecimento e de valor que competem entre si,
não as empresas, portanto o sucesso ou falha das mesmas é em última instância determinado pelo
mercado e pelo consumidor final. Como tal, torna-se útil agregar os dois conceitos, “cadeia de valor” e
“cadeia de abastecimento” por forma a criar uma ponte entre a adição de valor através de estratégias
no contexto das cadeias de abastecimento e o projeto de cadeias de abastecimento (Holweg e Helo,
2013). Através desta visão holística, as empresas conseguem definir estratégias adaptáveis e mais
eficientes face à constante incerteza do mercado.
Apesar de todos os condicionantes já mencionados, o Grupo Jerónimo Martins (JM) tem mantido, ano
após ano, uma posição dominante no setor da distribuição alimentar em Portugal. A redução do
consumo por parte das famílias, constatada ao longo dos últimos anos veio pressionar as atividades
dos retalhistas, traduzindo-se numa evolução negativa do volume de negócios, o que levou muitos a
focarem-se na defesa das margens de lucro (Jerónimo Martins, 2012). O Grupo JM não foi exceção,
apostando fortemente numa nova estratégia de promoções focadas em produtos de maior
necessidade, sem perder o foco na sua missão que consiste na satisfação das necessidades e
expectativas dos stakeholders contribuindo para o desenvolvimento sustentável das regiões onde
opera, através de operações eficientes, produtos e serviços de elevada qualidade e manutenção do
nível de serviço ao cliente.
Parte da estratégia do Grupo JM passa pela otimização das operações logísticas e é neste contexto
que surge a presente dissertação de mestrado. Um dos pontos fulcrais na otimização da rede
logística prende-se com os pedidos efetuados pelas lojas aos armazéns (número de ocorrências).
Atualmente é possível às lojas efetuarem pedidos sete dias por semana, independentemente das
2
• Caso de estudo:Caracterizição
do problema• Revisão da Literatura
• Recolha e tratamento de dados
• Conceção e aplicação da Metodologia
● Análise de resultados
• Conclusões e desenvolvimento
futuro
• Outros fatores de melhoria operacional
quantidades pedidas e do tempo de abastecimento do produto, através de uma sugestão
providenciada por um algoritmo de Material Requirement Planning (MRP). Consequentemente,
existem custos operacionais (em armazém e loja) e de transportes que podem ser minimizados.
Neste contexto o foco do estudo será no armazém de Não Perecíveis (NP) em Vila Nova da Rainha
que funciona em Just in Time (JIT), onde se pretende efetuar uma análise aos ciclos de pedido,
respeitando os objetivos de cobertura de stock e níveis de serviço.
1.2. Metodologia
A metodologia adotada ao longo do desenvolvimento da dissertação de mestrado é composta por 6
etapas, apresentadas esquematicamente na figura 1 e descritas de seguida.
A primeira etapa consistirá na compreensão do caso de estudo, por forma a se entender o atual
contexto do Grupo Jerónimo Martins, especificamente as características e particularidades da sua
rede logística. Deverão ser descritos os principais componentes da rede logística, enfatizando
aqueles que estão relacionados com a temática do estudo, isto é, o ciclo de pedidos nas lojas.
Na segunda etapa será efetuada a revisão do estado da arte que permite por um lado compreender
detalhadamente o contexto das questões levantadas na etapa anterior, e por outro alicerçar e
justificar a metodologia tomada para a resolução do problema. Serão abordadas as temáticas da
gestão de cadeias de abastecimento, logística da indústria do retalho, a filosofia Just in Time, o Cross
Docking nas cadeias de abastecimento e a gestão de produtos com procura variável.
Na terceira etapa far-se-á em primeiro lugar uma contextualização mais aprofundada da atividade no
armazém 5407 e, em segundo lugar, a conceção da metodologia para a escolha da amostra,
detalhando-se a recolha e tratamento de dados necessários para a análise do problema.
A quarta etapa contemplará a construção de um modelo matemático e respetiva definição de
pressupostos e limitações de aplicabilidade para, posteriormente se fazer a sua aplicação ao estudo
do problema. Esta etapa será finalizada com a análise e discussão dos resultados com o intuito de se
compreender a sua validade e aplicabilidade no caso de estudo.
Figura 1. Metodologia
3
Por fim, na quinta etapa concluiu-se sobre o trabalho desenvolvido e identificam-se diretrizes para a
continuação futura do presente estudo. Adicionalmente são mencionados outros elementos dignos de
estudo e que, por motivos de limitação temporal não foram incluídos na presente dissertação.
1.3. Objetivos do Trabalho O objetivo do presente trabalho de dissertação de mestrado passa pela melhoria das operações no
armazém de Não Perecíveis de Vila Nova da Rainha, através do estudo dos pedidos efetuados pelas
lojas Pingo Doce ao armazém, que funciona em ambiente JIT. O problema dos pedidos foi
identificado com relevante pelo Grupo JM, devido ao elevado fator condicionante que estes têm na
operação dos armazéns, especificamente, no armazém de NP JIT. Assim, pretende-se com este
estudo compreender a atividade do armazém, nomeadamente os fatores críticos e, a partir desta
identificação, proceder à análise dos pedidos e sua posterior otimização, sem descurar todas as
entidades que estão diretamente envolvidas com o armazém.
1.4. Estrutura do Trabalho A partir da metodologia apresentada anteriormente, estruturou-se a dissertação de mestrado em seis
capítulos:
Capítulo 1 – Introdução: Corresponde à introdução do tema em estudo, o seu contexto e
descrição. Define-se também a metodologia a utilizar e os principais objetivos.
Capítulo 2 – Caso de Estudo: Caracterização do problema, descrevendo-se pormenorizadamente
as atividades ligadas à área logística que mais contribuem para uma melhor compreensão do
tema, nomeadamente as atividades no armazém de NP JIT e o processo de pedidos das lojas ao
armazém. No final do capítulo conclui-se sobre os principais constrangimentos e dificuldades da
atual rede logística, bem como a possíveis soluções de melhoria.
Capítulo 3 – Revisão da Literatura: Incide na temática da gestão de cadeias de abastecimento, na
indústria do retalho, no conceito e caracterização de JIT, na utilização de Cross Docking em
cadeias de abastecimento e na gestão de produtos com diferentes rotatividades num armazém.
Capítulo 4 – Recolha e Tratamento de Dados: Divide-se em três principais tópicos, sendo o
primeiro uma contextualização mais aprofundada da operação no armazém NP JIT, o segundo a
descrição do processo de seleção das amostras e o terceiro a análise dos pedidos das lojas
alicerçados às amostras e ao contexto do armazém.
Capítulo 5 – Conceção e Aplicação do Modelo: Contempla a definição do problema, a construção
do modelo de otimização, a sua aplicabilidade e análise de cenários.
Capítulo 6 – Conclusões Finais e Desenvolvimento Futuro: Apresentam-se as principais
conclusões do trabalho e diretrizes para desenvolvimento futuro; Adicionalmente efetua-se ma
breve descrição dos elementos relacionados com o problema em estudo e que, por
constrangimentos de tempo, não foram abordados.
4
2. Caso de Estudo
Na presente dissertação pretende-se analisar os ciclos de pedidos de entrega no armazém de artigos
Não Perecíveis em ambiente JIT, por forma a respeitar os objetivos de cobertura de stock e níveis de
serviço, permitindo a otimização das operações no armazém.
Na secção 2.1. será feita uma introdução ao Grupo Jerónimo Martins, na secção 2.2. o foco será na
rede logística do Grupo JM, na secção 2.3. serão introduzidos os aspetos operacionais relacionados
com o armazém de Não Perecíveis JIT, nas secções 2.4. e 2.5. serão caracterizados os fluxos em
que os produtos são operados e a forma como os pedidos das lojas chegam ao armazém, na secção
2.6. proceder-se-á à identificação de alguns constrangimentos verificados especificamente no
armazém de NP JIT. Por fim, na secção 2.7. será efetuado um sumário com as principais conclusões
do capítulo.
A elaboração da dissertação contou com um estágio realizado nos Centros de Distribuição da
Azambuja e de Vila Nova da Rainha no período de outubro a dezembro de 2013 e com entrevistas
realizadas aos colaboradores do Grupo JM no mesmo período, bem como visitas frequentes ao
armazém 5407 entre janeiro e junho de 2014.
2.1. Grupo Jerónimo Martins
O Grupo Jerónimo Martins, fundado no ano de 1792 é um dos principais players no ramo do retalho
alimentar em Portugal, sendo o maior de origem nacional.
Atualmente, o Grupo JM conta com um total de 2.904 lojas, 12 Centros de Distribuição e 73.433
colaboradores distribuídos por dois continentes. Em 2012 o Grupo conseguiu alcançar 10.876
milhões de euros em vendas, um aumento de 10,5% face ao ano anterior, resultado do desempenho
de vários projetos desenvolvidos ao longo do ano alicerçados às imposições macroeconómicas da
conjuntura atual. Destes destacam-se como prioritários o reforço da posição competitiva em todas as
áreas de negócio, a execução do programa de investimento (com enfase nas lojas Pingo Doce,
Recheio e Biedronka) e a construção dos alicerces de um novo pilar de crescimento na Colômbia
(Relatório de Contas JM, 2012).
Em Portugal, com as insígnias Pingo Doce (cadeia de supermercados) e Recheio Cash&Carry
(mercado grossista), o Grupo Jerónimo Martins é líder no setor da distribuição alimentar, contando
com um conjunto de 412 lojas. Na Polónia, a cadeia de lojas Biedronka pertencente ao Grupo JM é a
maior cadeia de supermercados do país, detendo a liderança destacada no retalho alimentar e
contando com 2.125 lojas. Também na Polónia o Grupo JM detém a cadeia de parafarmácias Hebe.
5
Em março de 2013, o Grupo Jerónimo Martins iniciou a sua atividade na Colômbia, sob a insígnia
Ara, uma loja de proximidade com espírito, ambiente e sabores tipicamente colombianos.
Apesar de distintas, as principais insígnias de Distribuição Alimentar do Grupo JM caracterizam-se
pela oferta de soluções alimentares orientadas para o consumidor, pela liderança no preço e na
eficiência de custos, pela operação em proximidade e pela qualidade dos produtos, das lojas e da
marca própria.
Ao nível da indústria nacional, o Grupo Jerónimo Martins apresenta-se como o maior grupo industrial
de bens de grande consumo, através das suas participações na Unilever Jerónimo Martins e na Gallo
Worldwide. A Unilever Jerónimo Martins, produto de uma joint-venture com a multinacional anglo-
holandesa Unilever, produz e distribui produtos de grande consumo, nas áreas da alimentação,
cuidado pessoal e cuidado da casa. A Gallo Worldwide é o resultado da autonomização do negócio
de azeites e óleos vegetais por parte da Unilever Jerónimo Martins e dedica-se à produção e
comercialização de azeite e óleos alimentares.
O Grupo JM pretende construir posições de liderança no mercado português, pelo que a sua atuação
no setor dos serviços prende-se com a distribuição e representação de marcas internacionais e com o
desenvolvimento de projetos no setor da restauração. A Jerónimo Martins Distribuição de Produtos de
Consumo (JMDPC) é o representante exclusivo de marcas nacionais e internacionais de renome
(como por exemplo a Kellog’s ou a Heinz). A Jerónimo Martins Restauração e Serviços (JMRS),
dedica-se a projetos de restauração, operando a cadeia de quiosques e cafetarias Jeronymo, os
gelados Olá e o restaurante Jeronymo Food with Friends. O Grupo JM detém também a participação
maioritária na Hussel, um conceito inovador de loja de retalho especializado em confeitarias que
resulta de uma joint-venture entre o Grupo Jerónimo Martins e a alemã Douglas AG. A figura 2 ilustra
esquematicamente a estrutura do Grupo Jerónimo Martins.
Figura 2. Estrutura do negócio do Grupo JM
Jerónimo Martins
Distribuição
Portugal
Pingo Doce
Recheio
Polónia
Biedronka
Hebe
Bliska
Colômbia
Ara
Industria
Portugal
Unilever Jerónimo Martins
Gallo Worldwide
Serviços
Portugal
JMDPC
JMRS
Hussle
6
A missão do grupo Jerónimo Martins: “Satisfazer as necessidades e expectativas dos seus
stakeholders e os legítimos interesses dos seus acionistas a curto, médio e longo prazo, ao mesmo
tempo que contribui para o desenvolvimento sustentável das regiões onde opera” reflete a ambição e
o rigor da gestão voltada para a criação de valor, para o desenvolvimento sustentável e para a
responsabilidade corporativa, assentando em cinco pilares: Respeitar o Ambiente, Comprar com
Responsabilidade, Apoiar as Comunidades Envolventes, Ser um Empregador de Referencia e
Promover a Saúde pela Alimentação.
Devido à conjuntura económica atual, o comportamento do consumidor alterou-se significativamente,
tendo o Grupo Jerónimo Martins identificado algumas das principais tendências de compra:
comportamento mais racional e menos impulsivo no ato da compra; escolha de um cabaz composto
por artigos essenciais e ao preço mais competitivo; maior atenção ao fator preço e às dinâmicas
promocionais. Como tal, o grupo assumiu que a atual política de preços EDLP (every day low price) já
não se adequava (per si) às características do mercado, seguindo uma nova estratégia focada nas
ações promocionais. O resultado da nova estratégia do Grupo JM visa colmatar o decréscimo das
vendas verificadas no setor do retalho, tendo como consequência um novo modelo logístico e uma
renovada política de comunicação.
2.2. Rede Logística
A empresa Jerónimo Martins Retalho (JMR) – Prestação de Serviços para a Distribuição, S.A. (que
pertence ao Grupo Jerónimo Martins) é responsável pela gestão e coordenação dos fluxos e
processos logísticos na cadeia de abastecimento. Cabe à JMR as atividades de aprovisionamento,
armazenamento e transporte efetuadas pelo grupo no país, tendo como principal objetivo a
consistência do nível de serviço prestado às lojas (os clientes da JMR), a manutenção do elo de
ligação eficiente entre fornecedores e clientes, gerindo os trade-offs tempo, custo e qualidade e a
criação de retorno, por forma a contribuir positivamente para a criação de valor para a empresa.
Para melhor compreensão da estrutura da rede logística do grupo, serão de seguida apresentados os
seus constituintes, nomeadamente a estrutura informática e a estrutura física em que se inserem os
centros de distribuição, lojas e rede de transportes.
2.2.1. Sistemas de Informação
O Grupo JM utiliza diversos sistemas informáticos por forma a integrar a informação ao longo da
cadeia de abastecimento, desde o fornecedor (a montante) às lojas (a jusante). De seguida serão
apresentados os principais sistemas de informação transversais à organização.
O sistema SAP (Systems, Applications and Products in Data Processing) é o principal sistema de
gestão de empresas que faz a ligação entre todos os sistemas utilizados, servindo de interface entre
os fornecedores, as lojas e os centros de distribuição. É o sistema responsável pela gestão dos
pedidos das lojas, pelo controlo de inventário em loja e pela criação de ordens de compra (aos
7
fornecedores) e de remessa (às lojas). O sistema SAP é utilizado por todos os departamentos da
organização, desde o departamento de Recursos Humanos ao Financeiro.
O sistema WPMS (Warehouse Physical Management System) é o software de gestão de armazéns
utilizado nos centros de distribuição, cuja função consiste em monitorizar as atividades do armazém.
O WPMS permite controlar: a receção, execução e expedição da mercadoria, os processos Cross
Docking, a rastreabilidade nos transportes e otimização de rotas, a rastreabilidade das paletes (dos
CD para as lojas) e os processos de backhauling, através de equipamentos para leitura ótica de
códigos de barras utilizados pelos operadores e dos vários terminais espalhados pelos CD.
Existem ainda outros sistemas relevantes, como o INOSAT, uma solução de localização e de gestão
operacional da frota e o portal JM a que todos os colaboradores do grupo têm acesso e que funciona
como portal de comunicação interna.
A utilização dos vários sistemas de informação permite aumentar a agilidade da cadeia de
abastecimento, através de um fluxo de informação partilhado entre os vários departamentos do
Grupo.
2.2.2. Aprovisionamento
O departamento de Supply Chain (SC) é o responsável pela seleção dos fornecedores para o
armazém e pelo carácter de reaprovisionamento, integrando os pedidos das várias lojas com os
níveis de stock, por forma a manter o nível de serviço esperado. O departamento está dividido por
equipas e cada equipa é responsável por um conjunto de fornecedores. A negociação com os
fornecedores no que respeita às condições contratuais é efetuada pelo departamento comercial, a
quem a equipa de SC reporta.
A escolha de cada fornecedor vai depender de diversos fatores, salientando-se o preço, a qualidade
dos produtos e as quantidades e disponibilidade de entrega dos produtos em armazém. Depois de se
proceder à seleção dos fornecedores, é definido o tipo de aprovisionamento consoante o tempo de
abastecimento do produto (quer pelas características do mesmo, quer pelo nível de serviço exigido
pelas lojas).
Podem existir três tipos de aprovisionamento: em Stock, JIT e Cross Docking:
Stock:
O aprovisionamento em stock acontece fundamentalmente para produtos não perecíveis (com prazos
de validade elevados) em que é vantajosa a criação de inventário. A existência de stock pode ser
justificada pela disponibilidade do fornecedor em abastecer o armazém (elevados tempos de
entrega), pelo benefício de descontos de quantidade junto do fornecedor, quando os produtos são
importados e quando não se justifica um nível de serviço tão elevado junto das lojas,
consequentemente otimizando-se os custos de transporte. Em contrapartida verifica-se o aumento
dos custos logísticos e de Working Capital uma vez que existem ativos parados em armazém (custo
de oportunidade).
8
JIT:
O aprovisionamento em JIT é utilizado por forma a garantir o mais rapidamente possível a
disponibilidade dos produtos em loja. Este sistema é predominante em produtos perecíveis devido
aos baixos prazos de validade, contudo, é também utilizado em produtos não perecíveis (como é o
caso do armazém de NP JIT) quando existe uma procura diária elevada de determinados produtos.
Para garantir a fluidez do processo, as compras em JIT são automáticas, isto é, o fluxo de procura
gerado pelas lojas é remetido para o armazém sob a forma de remessa e para os fornecedores sob a
forma de ordem de compra. As vantagens do sistema JIT prendem-se com a não acumulação de
stock (do ponto de vista logístico), permitindo uma utilização mais eficiente do espaço em armazém e
assegurando um nível de serviço às lojas elevado. No entanto pode comprometer os custos de
transporte.
Cross Docking:
O aprovisionamento em Cross Docking implica a existência de uma parceria mais forte com o
fornecedor, uma vez que a entrega dos produtos em armazém já vem executada por loja. O Cross
Docking permite não só evitar a criação de stock, como não exige a fase de execução, estando os
produtos prontos para a expedição. Este sistema contempla vantagens para o cliente (Grupo JM)
como para o fornecedor, que consegue através de um serviço adicional, acrescentar valor aos
produtos. Contudo, este tipo de parceria exige compromissos de ambas as partes e um nível de
flexibilidade que por vezes os fornecedores ou o Grupo JM não conseguem atingir.
2.2.3. Centros de Distribuição
Os centros de distribuição (CD) numa cadeia de abastecimento pretendem centralizar o fornecimento
de produtos às lojas, obtendo-se assim uma distribuição mais eficiente e flexível. Dividindo-se o
território nacional sob o eixo Coimbra/Viseu, na rede logística da JM existem 3 CD’s na região Norte e
4 na região Centro. Desta forma, as lojas da região Norte são abastecidas pelos centros de
Guardeiras, Vila do Conde e Laúndos, enquanto que as lojas da região Centro são abastecidas pelos
centros da Azambuja, Vila Nova da Rainha, Alcochete e MARL (ver figura 3).
Figura 3. Mapa com os atuais CD do Grupo JM em Portugal
9
No início de 2014 deu-se a abertura do novo centro de distribuição do Algarve, com a finalidade de
abastecer exclusivamente a região Sul. Por conseguinte, ocorreu uma reestruturação dos fluxos de
distribuição dos centros da Azambuja, Vila Nova da Rainha e Alcochete, que, até este período,
estavam responsáveis pelo abastecimento desta região.
Cada CD dispõe de um conjunto de armazéns onde se processam cerca de 27.000 artigos que estão
divididos segundo uma lógica de temperaturas: Não Perecíveis (sem controlo de temperatura), Frutas
e Vegetais (8-12ºC), Bacalhau (8-12ºC; humidade controlada), Frescos e Carnes (0-4ºC), Peixe
Fresco (0-2ºC) e Congelados (-20ºC). Devido às características dos produtos e ao número dos
pedidos efetuados pelas lojas, ambos os métodos de aprovisionamento, stock e JIT, podem ser
utilizados.
Para os próximos anos está planeada a continuação da renovação da rede logística do Grupo,
esperando-se renovar os CD da região Centro no ano 2014 e os CD da região Norte em 2015.
2.2.4. Transportes
O departamento de transportes da JM tem a função de garantir o transporte dos produtos, desde os
centros de distribuição às lojas, respeitando as janelas horárias definidas. O departamento de
transportes é também responsável pelas operações de logística inversa (retorno dos acessórios de
transporte) e backhauling (recolha de produtos no fornecedor, depois de entregues os produtos em
loja).
O Grupo JM trabalha com sete empresas que garantem os serviços de transporte. O elevado número
de transportadoras é justificado pela necessidade de diversificação e flexibilidade da operação, por
forma a não existir dependência em relação a uma transportadora. Contudo, a grande maioria do
transporte é efetuado pela ZAS (cerca de 81%), resultante de uma parceria celebrada com a TFS em
2005. A incorporação da ZAS no Grupo JM permitiu melhorar a gestão da frota do Grupo,
proporcionando um conhecimento mais profundo sobre o desempenho da operação de transporte.
Em anexo encontra-se a tabela 8.1.1 com o número de viaturas por fornecedor.
Para um funcionamento eficiente dos transportes existe um planeamento diário das rotas, que agrega
as lojas por localização geográfica, dimensão da loja, distância ao CD, janela horária de descarga na
loja, entre outras restrições, baseado nos dados históricos dos pedidos efetuados pelas lojas no
sistema SAP.
Depois de efetuado o planeamento é enviado às transportadoras, para que sejam alocados
motoristas às rotas estabelecidas. Posteriormente, as transportadoras devem comunicar ao
departamento de transportes qual o motorista que fará determinada rota. De salientar que o
planeamento dos transportes deve ser flexível, podendo durante o período de expedição ser feito
algum ajuste nas rotas estabelecidas devido a variações nos pedidos das lojas.
10
2.2.5. Lojas
O Grupo Jerónimo Martins opera em Portugal sob as insígnias Pingo Doce e Recheio Cash&Carry no
setor da distribuição alimentar. As lojas Pingo Doce perfazem um total de 378, distribuídas por cinco
regiões mais ilhas. As lojas Recheio contam com 36 plataformas de food service, distribuídas por
quatro regiões. A este valor somam-se mais três plataformas CATERPLUS, responsáveis pela
distribuição do canal HoReCa (fornecimento a hotéis, retalho e cafés) e as lojas Amanhecer
(pequenas lojas de bairro), abastecidas pela insígnia Recheio Cash&Carry. A figura 4 mostra a
distribuição percentual de lojas Pingo Doce e Recheio Cash&Carry em Portugal continental.
As várias lojas Pingo Doce estão classificadas por cluster de área, agrupadas em quatro tipos: Micro
(área de venda inferior a 600 m2), Super (área de venda entre os 600 e os 1500 m2), Mega (área de
venda entre os 1500 e os 2000 m2) e Híper (área de venda superior a 2000 m2). A variabilidade de
lojas justifica-se pela tipologia da área em que se encontra a loja e pela quantidade e frequência de
produtos procurados pelos consumidores. Como tal, as lojas de menor dimensão não apresentam a
mesma necessidade de acumulação de stock ou de variedade no sortido de produtos que, por
exemplo, um Híper.
Como resultado da estratégia de proximidade definida pelo Grupo JM, a grande maioria das lojas
Pingo Doce têm tipologia de supermercado, apresentando dificuldades na constituição de stock em
loja, do que resulta um constante fluxo de produtos distribuídos diariamente à loja, mediante os
pedidos efetuados sete dias por semana.
Região Descrição Nº de Lojas
Região 1 Norte 73
Região 2 Centro Litoral 68
Região 3 Centro Interior 72
Região 4 Grande Lisboa 97
Região 5 Sul 69
Total 379
Madeira 10
Distrito Nº de Lojas Percentagem
Aveiro 26 7%
Beja 6 2%
Braga 21 6%
Bragança 3 1%
Castelo Branco 6 2%
Coimbra 10 3%
Évora 8 2%
Faro 27 7%
Guarda 3 1%
Leiria 19 5%
Lisboa 108 28%
Portalegre 3 1%
Porto 72 19%
Santarém 19 5%
Setúbal 27 7%
Viana do Castelo 7 2%
Vila Real 4 1%
Viseu 10 3%
Total 379 100%
Figura 4. Distribuição das lojas Pingo Doce e Recheio Cash&Carry pelo país
11
2.3. Armazém de Não Perecíveis JIT O presente estudo tem por objetivo a otimização dos pedidos em ambiente JIT. Como tal, o foco da
análise será no armazém em Vila Nova da Rainha, nomeadamente no que respeita aos fluxos dos
artigos operados no armazém e aos ciclos de pedidos de entrega no armazém. De seguida será
efetuada a descrição do armazém e das respetivas operações.
2.3.1. Descrição do Armazém e Layout
O armazém de Não Perecíveis de Vila Nova da Rainha conta com uma área total de 10.000 m2,
dividida em duas áreas independentes: o armazém de Não Perecíveis JIT e a área de logística
inversa do Grupo JM. O armazém de NP fornece diariamente 289 lojas, cujos pedidos funcionam em
ambiente JIT. Os artigos operados no armazém dividem-se em: Alimentar, DPH (Detergentes e
Produtos de Higiene) e Promoção, sendo cada tipo movimentado de forma num layout independente.
O layout do armazém está organizado em quatro secções principais: secção de Promoções, secção
Alimentar, secção Não Alimentar e Cais Leite. Existe ainda uma zona dedicada exclusivamente aos
pedidos efetuados pelas lojas Recheio.
Cada layout possui o número de lojas servidas pelo armazém, identificadas por uma placa com o tipo
de layout (Promoções, Alimentar, Não Alimentar e Cais Leite), com o nome da loja, código da loja (LG
para o layout regular e LP para o layout promocional) e tipo de contentor. Cada loja tem espaço para
9 paletes, com exceção dos Hipers que podem chegar às 18 paletes. Vários critérios foram seguidos
para a localização das lojas no layout, como a proximidade às portas (destinadas às lojas cuja
expedição acontece mais cedo) ou a proximidade geográfica entre lojas (e eventual partilha de rotas).
O armazém de NP JIT dispõe de 24 portas: as portas 1 a 4 destinam-se exclusivamente ao layout das
Promoções, as portas 5 a 11 ao layout Alimentar e as portas 19 a 24 ao layout Não Alimentar, sendo
que as portas 12 a 18 funcionam para ambos, consoante a necessidade. Todas as portas funcionam
para receção e expedição.
2.3.2. Operações
As operações no armazém acontecem entre as 06h00 e as 24h00. A receção e execução ocorrem ao
longo deste período. A expedição tem início às 14h00 e até às 17h00 cerca de 60% dos pedidos são
expedidos, acontecendo o resto da atividade até às 24h00. Para que as atividades ocorram de forma
eficiente e eficaz, existem dois turnos: das 6h00 às 15h00 e das 15h00 às 24h00. Assim, o
planeamento no armazém é efetuado continuamente.
As atividades no armazém são classificadas em dois tipos: atividades produtivas e atividades não-
produtivas. As atividades produtivas correspondem à movimentação direta de caixas, como a
receção, a execução e a expedição. As atividades não produtivas correspondem às atividades com
menor impacto físico nos trabalhadores, como a vitafilmagem das paletes, a colocação das mesmas
no cais de receção/expedição e as atividades administrativas.
12
Nas operações do Grupo JM existem atividades designadas por Cross Docking. Estas são também
consideradas como não produtivas, uma vez que não existe necessidade de movimentação de caixas
(os produtos já vêm agrupados por loja). Contudo, para efeitos de planeamento, existe a distinção
entre Cross Docking Produtivo, em que as paletes chegam ao armazém já compostas e prontas para
a expedição (a receção é automática) e o Cross Docking Manual, em que existe a necessidade de
validar o produto na fase de receção e execução.
A produtividade do armazém é contabilizada de duas formas: a produtividade de cada operador,
através do rácio entre o número de caixas executadas por operador e o tempo necessário à sua
execução por operador, e a produtividade All In, através do rácio entre o número total de caixas
executadas e o número de horas totais afetas à operação. É importante referir que o tempo
necessário para a execução das caixas no rácio de produtividade All In diz respeito não só aos
operadores que estão a executar as caixas, mas inclui também o número de horas dispensado por
todos os colaboradores do armazém (desde operadores a supervisores e gestores operacionais). A
medição da produtividade é fundamental para a compreensão da forma como as atividades estão a
ocorrer no armazém e para a formulação de métodos de otimização.
No início de cada turno é atribuído a cada colaborador do armazém uma unidade de trabalho. Cada
unidade de trabalho é classificada pelo tipo de atividade a desempenhar (produtiva ou não produtiva),
pela área do armazém (Promocional, Alimentar, Não Alimentar, Cross Docking) e pela operação
(receção, execução ou expedição).
Receção:
A receção consiste em dar entrada no armazém aos produtos provenientes do fornecedor, consoante
a ordem de compra efetuada pelo departamento de SC). A receção está dividida em duas partes: a
receção administrativa e a receção física. A receção administrativa consiste no registo de chegada do
fornecedor (verificando-se se a data e a hora correspondem à janela horária definida) e reserva de
cais. Cabe ao operador que está a efetuar a receção administrativa declarar no sistema os dados do
fornecedor e as respetivas guias de transporte, analisar a ordem de compra e conferir as quantidades
recebidas. Finda a receção administrativa, é atribuído um operador aos artigos recebidos, para que
este dê entrada física dos artigos no armazém. Para tal, o operador faz a etiquetagem com códigos
de barras das paletes recebidas, identificando-as com um aparelho com um terminal de
radiofrequência (denominado PDT) e validando as quantidades e a qualidade. Finalmente, o operador
regista os produtos no sistema WPMS para posteriormente serem distribuídos na fase de execução.
Execução (Picking):
Depois de efetuada a receção, as paletes são distribuídas aos operadores segundo critérios de
priorização, tendo por base o peso dos produtos, o volume e a fragilidade. Esta priorização é
efetuada por forma a promover a construção e a estabilidade das paletes.
Existem dois acessórios de transporte (AT) principais para auxiliar a movimentação dos produtos no
armazém: as paletes e os skates (roll containers). As paletes são estruturas de plástico ou madeira
13
que servem de base à colocação dos produtos. Os skates são estruturas de metal gradeadas, com
rodas e prateleiras que, sendo mais estreitos, permitem uma melhor movimentação quando o acesso
físico às lojas é limitado.
O tipo de execução efetuado em ambiente JIT define-se como picking by line. Depois de atribuída
uma palete ao operador, este vai percorrer o layout do armazém, distribuindo as caixas pelas lojas,
segundo a informação do sistema WPMS. Ao chegar a uma loja, o operador deixa a mercadoria e
regista o código da loja, confirmando a localização do produto para que o sistema WPMS integre
essa informação com o pedido efetuado pela loja. Quando cada palete fica completa (com cerca de
1,8m de altura) um operador não produtivo irá vitafilmar as paletes e fechar os skates para que na
fase de expedição possam ser transportados para junto das portas.
Expedição:
A expedição consiste na recolha dos contentores de cada loja e na sua colocação no cais de
receção/expedição, para que possam ser entregues às lojas. Quando o motorista responsável pela
rota associada à(s) loja(s) chega ao armazém, cabe ao operador responsável pela expedição
reservar o cais e autorizar o carregamento da viatura, caso a viatura cumpra os requisitos de
transporte e a janela horária pré-estabelecida. A carga física dos contentores na viatura é efetuada
pelos motoristas, podendo ser auxiliado pelos operadores do armazém. Enquanto decorre o
carregamento, o operador responsável pela expedição, para além de monitorizar todo o processo,
elabora a faturação dos artigos às lojas e regista no sistema WPMS os artigos que foram carregados
na viatura. Depois de se proceder à carga física da viatura e da confirmação que todos os
contentores foram carregados, é dada a autorização para a saída da mesma.
2.4. Critérios de Armazenagem O armazém de NP JIT opera todos os artigos não perecíveis disponibilizados pelas lojas do Grupo
JM. Os critérios para a seleção dos artigos em fluxo JIT baseiam-se na disponibilidade do fornecedor
para entregar frequentemente os produtos em armazém, na disponibilidade e rotatividade do artigo
em questão e na crescente falta de capacidade dos armazéns em criar stock. Um mesmo tipo de
artigo pode ser manuseado em stock ou em JIT caso seja entregue por um fornecedor diferente ou
caso as dimensões do produto justifiquem uma ou outra opção.
Tipicamente, em stock estão os artigos entregues em paletes completas, cujo pedido das lojas
justifica a expedição de grandes quantidades e cuja rotatividade do produto é média/alta,
minimizando os custos de inventário. Neste tipo de aprovisionamento encontram-se também os
artigos que, devido às características dos fornecedores ou transportadores, não conseguem ser
entregues frequentemente em armazém.
Em JIT idealmente estariam os artigos de maior e menor rotatividade, com o objetivo de se manter o
nível de serviço e de não se investir em stock e em espaço de armazenagem respetivamente. As
quantidades pedidas de cada artigo tendem a ser relativamente baixas (se comparadas com os
pedidos em stock) e a diversidade de tamanho, volume e arquitetura das caixas é bastante elevada.
14
Os artigos em fluxo Cross Docking são assim recebidos devido a características muito específicas.
Estes artigos têm tipicamente pequenas dimensões e as capacidades de entrega e tempos de
abastecimento dos fornecedores são reduzidas. O Cross Docking permite acrescentar valor aos
artigos, desde que o custo do artigo ao fornecedor seja inferior ao custo do artigo executado
internamente, respeitando-se os critérios de qualidade e tempos de abastecimento definidos
contratualmente.
2.5. Planeamento dos Pedidos das Lojas em JIT A operação de aprovisionamento tem início nas lojas. No caso particular dos pedidos em JIT, estes
podem ser efetuados durante sete dias por semana (de segunda a domingo), tendo cada artigo um
tempo de abastecimento específico, conforme acordado com cada fornecedor. Existem quatro formas
de se proceder aos pedidos dos produtos:
MRP
O pedido efetuado será sugerido automaticamente segundo um algoritmo MRP. A criação do MRP
tem por base os dados históricos da venda de cada produto durante as ultimas quatro semanas de
vendas, calculando a média para um determinado dia e multiplicando-se o valor pelo seu nível de
cobertura, para se alcançar um valor credível de previsão. Outras restrições são levadas em conta
pelo algoritmo, nomeadamente os dados atuais de stock, eventuais quebras, ruturas de stock,
tendências de sazonalidade e eventos promocionais. Antes da utilização do MRP, deve-se proceder à
integração das vendas do dia anterior para se atualizar os stocks. De salientar que caso seja
necessário, o gestor de loja pode manipular o resultado do MRP, adicionando ou subtraindo as
quantidades necessárias. Todas as formas de aprovisionamento que não o MRP são denominadas
por alocações.
Ordem de Compra Manual em SAP
A ordem de compra aos armazéns pode ser feita manualmente, através da introdução em SAP do
código do artigo, as quantidades necessárias e a especificação do armazém a quem se vai pedir o
produto.
O2P
A equipa em loja pode utilizar uma ferramenta informática móvel, um terminal portátil designado por
O2P, que permite a leitura do código de barras dos artigos a pedir ao armazém, efetuando-se desta
forma uma requisição de compra. Estes códigos são posteriormente transformados em ordens de
compra no sistema SAP.
Transação ZCobertura em SAP
ZCobertura é uma plataforma que descrimina todos os parâmetros associados ao artigo (como o seu
código, quantidades, fluxo em que é aprovisionado entre outros), exibindo adicionalmente quais os
artigos que podem ser adquiridos consoante o dia (devido ao tempo de abastecimento dos
fornecedores). Este sistema apresenta similaridades com o MRP, tendo como desvantagens o facto
de ser manual e o processamento ser moroso em termos informáticos.
15
Depois de efetuado o pedido em SAP, no fluxo JIT os dados seguem dois circuitos de informação
distintos, para o armazém e para o fornecedor. Por um lado são transferidos para o sistema WPMS
onde é feita e armazenada a tradução dos pedidos das lojas (UMV – Unidades de Medida de Venda)
em encomendas (UMC – Unidades de Medida de Compra). No armazém de NP JIT, os pedidos
chegam ao armazém até às 14h00, procedendo-se à divisão dos mesmos em ondas. O sistema de
ondas permite manter o controlo dos pedidos das lojas e o nível de serviço. O pedido efetuado é
migrado para o WPMS e processado, garantindo o que foi pedido para esse dia de execução. Assim
sendo, dá-se o processamento da onda e posterior fecho, originando-se uma ordem de compra diária
(em número de caixas) que o armazém terá que satisfazer. Simultaneamente é criada uma ordem de
compra para o fornecedor que terá acesso à mesma via SAP.
O armazém de NP JIT é o responsável pelo fornecimento às lojas dos artigos em promoção. O
planeamento destes pedidos é efetuado com uma semana de antecedência, isto é, o armazém
executa o pedido promocional que estará disponível nas lojas na semana seguinte. A cada ação
promocional é atribuído um código. Em loja, é necessária a inserção do código e das quantidades de
artigos necessárias para a campanha em sistema SAP (o sistema sugere as quantidades baseadas
em dados históricos, mas cabe ao diretor de loja definir as quantidades a pedir). Os dados
armazenados no sistema são tratados pela equipa de SC que vai agrupar os pedidos, transmitindo as
quantidades necessárias que cada fornecedor terá que disponibilizar. Depois da confirmação de que
o fornecedor tem capacidade para entregar a grande maioria da quantidade pedida de artigos em
armazém, a equipa de SC faz a distribuição dos artigos por loja, para que as atividades em armazém
possam prosseguir.
2.6. Constrangimentos Atuais e a Importância do Estudo dos Pedidos Neste ponto serão abordados alguns dos constrangimentos verificados no armazém de NP JIT e no
processo de pedidos efetuados pelas lojas, concluindo-se com a importância do presente estudo para
a melhoria das operações nos armazéns do Grupo JM, particularmente o armazém 5407.
Existem vários fatores constrangedores verificados no armazém de Vila Nova da Rainha, destacando-
se a execução de artigos promocionais (algo que não acontecia antes da implementação da nova
estratégia de preços do Grupo JM) que resultou numa quantidade muito superior de artigos a
executar; as características diversas dos artigos a executar; as características intrínsecas ao fluxo JIT
que, no caso do Grupo JM resultam em entregas diárias no armazém de produtos em poucas
quantidades mas frequentemente, entre outras.
O estudo dos pedidos surge como um elemento que permite entre outros alcançar os seguintes
objetivos:
Melhorar as atividades no armazém, resultando na receção e execução de paletes com menos
referências. Este fato permite menor ambiguidade na receção e execução das paletes e,
16
teoricamente, um aumento da produtividade na execução pelo decréscimo de espaço percorrido
no armazém.
Reduzir problemas a montante do armazém, no que respeita aos pedidos mínimos impostos por
alguns fornecedores, pelo fato de, em menos deslocações ao armazém, se trazerem maiores
quantidades de artigos.
Melhorar o nível de serviço às lojas, tornando a receção e reposição dos artigos mais simples,
evitando deslocações desnecessárias na loja.
Tendo em conta os constrangimentos identificados e os objetivos propostos, o estudo dos pedidos
será efetuado em duas fases: uma primeira fase em que serão identificados os artigos que maiores
constrangimentos apresentam para a execução no armazém; e uma segunda fase em que será
desenvolvido um modelo matemático de planeamento com o propósito de otimizar a execução no
armazém através da distribuição mais homogeneizada das quantidades e tipos de artigos a executar
por dia da semana. Ambas as fases serão desenvolvidas no seguimento do presente trabalho nos
capítulos 4 e 5 respetivamente.
2.7. Conclusões do Capítulo O Grupo Jerónimo Martins é um dos principais players no ramo do retalho alimentar em Portugal,
atuando também na Polónia e na Colômbia. Em Portugal, o Grupo JM é líder no setor da distribuição
alimentar, através das insígnias Pingo Doce (cadeia de supermercados) e Recheio Cash&Carry.
Em Portugal as lojas Pingo Doce perfazem um total de 378, distribuídas por cinco regiões mais ilhas
e as lojas Recheio contam com 36 plataformas de food service, distribuídas por quatro regiões.
O armazém de Não Perecíveis de Vila Nova da Rainha (um dos oito CD’s do Grupo JM) fornece
diariamente 289 lojas, cujos pedidos funcionam em ambiente JIT. O presente trabalho foca-se na
operação deste armazém.
Os critérios para a seleção dos produtos em fluxo JIT baseiam-se na disponibilidade do fornecedor
para entregar frequentemente os produtos em armazém, na disponibilidade e rotatividade do artigo
em questão e na crescente falta de capacidade dos armazéns em criar stock.
O estudo dos pedidos visa colmatar problemas ao nível da operação do armazém, mas os seus
efeitos poderão ser observáveis tanto a montante como a jusante, tendo particular influência junto dos
fornecedores e das lojas. Como tal, pretende-se compreender os fatores que influenciam as
atividades no armazém 5407 para, por um lado escolher um conjunto representativo de artigos
críticos para o armazém, e posteriormente, otimizar o fluxo de pedidos que chega ao armazém,
através de um modelo de planeamento. Como objetivo final do presente estudo, pretende-se
melhorar as operações no armazém, especificamente na execução, respeitando-se simultaneamente
os níveis de cobertura e de serviço ao cliente.
17
3. Revisão da Literatura
No presente capítulo pretende-se efetuar um estudo da literatura disponível no âmbito do tema da
dissertação. O objetivo do capítulo passa pela identificação das principais áreas temáticas que
permitam contextualizar o problema em estudo, isto é, a análise do ciclo de pedidos em ambiente JIT,
bem como sustentar e guiar o trabalho.
Assim, na secção 3.1. serão abordados os principais conceitos na área da gestão de cadeias de
abastecimento, na secção 3.2. será estudado com maior ênfase a indústria do retalho, na secção 3.3.
será apresentada a filosofia JIT, na secção 3.4. será introduzida a estratégia de Cross Docking nas
cadeias de abastecimento, na secção 3.5 será feita uma introdução aos métodos de gestão de
produtos com procura variável e por fim na secção 3.6. serão elaboradas as principais elações do
capítulo.
3.1. Gestão de Cadeias de Abastecimento O desenvolvimento tecnológico do início do século XX e o aparecimento da produção massificada
deu origem a um novo paradigma de indústria. As indústrias modernas evoluíram para sistemas com
vários produtos, várias funcionalidades e várias localizações espalhadas pelo mundo, existindo uma
necessidade e um esforço crescente de planeamento, coordenação e cooperação entre as várias
entidades que compõe e se relacionam com a empresa. Como resposta ao aumento da
competitividade no mercado e pressupondo uma redução de custos e melhoria do nível de serviço
para o cliente, as empresas têm colocado os seus esforços na construção de uma cadeia de
abastecimento robusta e eficiente.
Atualmente é interessante constatar que são as cadeias de abastecimento e não as empresas que
competem entre si (Christopher, 1992) e que o sucesso ou falha das mesmas é em última instância
determinado pelo mercado e pelo consumidor final. Desta forma, a satisfação do cliente e a
compreensão do mercado são elementos cruciais aquando do planeamento de uma nova estratégia
para a cadeia de abastecimento (Cristopher e Towill, 2001).
Segundo Simchi-Levi, et. al. (2000), a cadeia de abastecimento é o conjunto de fornecedores, centros
de produção, armazéns, centros de distribuição e retalhistas, em conjunto com o fluxo de matérias
primas, inventário WIP (work-in-process) e produtos finais que circulam entre os diferentes elementos
da cadeia de abastecimento.
Agostinho e Teixeira (2003) caracterizam cadeia de abastecimento como um sistema complexo,
definido como uma organização de um grande número de partes simples que interagem entre si (os
membros individuais da cadeia de abastecimento), capaz de partilhar informação internamente e com
o exterior, e capaz de adaptação como resultado dessa partilha.
18
Incorporando ambas as perspetivas apresentadas anteriormente, Chandra et. al. (2007) descrevem
cadeia de abastecimento como a rede de fornecedores, produtores, armazéns, distribuidores e
retalhistas que, através de planos e atividades coordenadas, desenvolve produtos pela conversão de
matérias-primas em produtos finais. No processo, existe partilha de materiais e fluxos de informação
entre os elementos.
A gestão de uma cadeia de abastecimento é um processo complexo que envolve a consideração de
um sistema único na sua estrutura, um design dinâmico, níveis hierárquicos, múltiplos objetivos e a
necessidade de coordenação e interação entre as várias entidades (Chandra et. al. 2007). A gestão
de cadeias de abastecimento consiste na coordenação da produção, inventário, localização e
transporte entre os participantes na cadeia de abastecimento, de forma a alcançar o melhor mix de
resposta e eficiência para o mercado que está a ser servido (Hugos, 2003). Esta gestão permite a
ligação entre todos os stakeholders, incluindo parceiros dentro da organização e parceiros externos,
como fornecedores, operadoras, third party logistics (3PL) e fornecedores de sistemas de informação
(Lummus, 1999). O objetivo da gestão de cadeias de abastecimento passa pois por incorporar as
diferentes atividades ao longo da cadeia, traduzindo-se num aumento de valor para o consumidor e
redução do nível geral de custos.
Sob um ponto de vista de gestão, a cadeia de abastecimento está dividida em três níveis de decisão,
nível estratégico ou de projeto, nível de planeamento e nível operacional (Chopra, et. al. 2007) que
agregam o espetro de atividades da empresa:
Nível estratégico ou de projeto: A este nível a empresa decide como estruturar a sua cadeia de
abastecimento no longo-prazo, nomeadamente no que respeita à sua configuração, alocação de
recursos e processos. As decisões estratégicas também incluem a eventual necessidade de fazer
outsourcing, a localização das fábricas e armazéns, o sistema de transportes utilizados e os
sistemas de informação a ser implementados. O objetivo desta fase consiste em antecipar a
incerteza do mercado nas tomadas de decisão.
Nível de planeamento: A fixação da configuração definida na etapa anterior permite identificar e
resolver as restrições existentes. O objetivo do planeamento é maximizar o superavit da cadeia
de abastecimento num determinado período temporal que varia em função da cadeia e que pode
ir de um ano a um mês. As decisões de planeamento incluem a escolha dos mercados fornecidos
por cada armazém, a eventual decisão de subcontratação na manufatura, as políticas de
inventário e o timing para promoções de preço e de marketing.
Nível operacional: As decisões operacionais são diárias e estão diretamente relacionadas com os
pedidos dos clientes. Nesta fase dá-se a alocação de inventário e produção aos pedidos
existentes, definem-se as datas de entrega do produto, agregam-se as listas de picking nos
armazéns, faz-se o scheduling dos transportes entre outros. O objetivo a este nível é a gestão
das operações, por forma a minimizar a incerteza e maximizar a performance da empresa,
garantindo os níveis de serviço apropriados.
19
As decisões a tomar nestes diferentes níveis permitem a melhoria das operações, melhor
outsourcing, aumento do lucro, melhoria da satisfação do cliente, aumento da qualidade, combate de
pressões competitivas, entre outros aspetos (Stevenson, 2002). Contudo, o seu resultado pode ser
comprometido dada a dificuldade de integração das diferentes atividades da cadeia de abastecimento
como por exemplo: os objetivos dos diferentes participantes da cadeia podem ser distintos ou
conflituosos, o dinamismo intrínseco às atividades da cadeia de abastecimento dificulta a sua gestão,
ou a existência de uma permanente dificuldade na correspondência entre oferta e procura.
Com o desenvolvimento das cadeias de abastecimento, deu-se o aparecimento de novos problemas
com os quais a gestão deve lidar. O aumento da variabilidade da procura ou os ciclos de crescimento
e recessão macroeconómicos tornaram-se restrições fundamentais nas decisões diárias, dificultando
o processo de planeamento e definição estratégica da empresa, em que o objetivo é a maximização
da flexibilidade da cadeia de abastecimento.
As cadeias de abastecimento devem ser capazes de responder à procura do mercado de forma
rápida e flexível, e devem adaptar-se à variabilidade, atuando de forma precisa e eficiente para servir
o cliente, dadas as turbulentas condições do mercado.
A cadeia de abastecimento deve pois ser um sistema reconfigurável, isto é, deve ter a capacidade de
se adaptar eficientemente ao ambiente envolvente. De acordo com Chandra et. al.(2007), uma cadeia
de abastecimento reconfigurável define-se como uma rede de entidades independentes flexíveis,
onde a alteração da sua estrutura é conseguida sem utilização extensiva de recursos e sem perda de
eficiência operacional na resposta à volatilidade da procura e ao ambiente envolvente. Uma estrutura
reconfigurável permite a introdução facilitada de novos produtos e processos minorando os custos e o
tempo necessário.
Um dos setores onde esta adaptabilidade aparece como um grande desafio é o setor do retalho, o
qual se analisará de seguida.
3.2. A Indústria do Retalho A indústria do retalho consiste num conjunto de atividades que acrescentam valor aos produtos e
serviços vendidos ao cliente (Levy et. al.,2012), sendo o ponto de ligação entre o produtor e o cliente
numa cadeia de abastecimento. Consequentemente, por mais eficiente que o retalhista seja, se o
fornecedor não o for, o resultado terá um impacto final no consumidor, quer em termos de stockout
quer no aumento de preço do produto final.
O papel do retalhista consiste pois na criação de valor acrescentado para o cliente, através da
performance eficiente de atividades que o produtor não consegue realizar. Tais atividades estão
relacionadas com a oferta de um elevado sortido de produtos, com a capacidade de retenção de
inventário e a promoção de serviços (por exemplo de transporte e de apoio ao cliente).
20
3.2.1. Características do Setor em Portugal
Em muitos países da União Europeia (UE) constata-se o crescente domínio do mercado do retalho
alimentar por um número reduzido de empresas (Roland Berger, 2009). O crescimento dos retalhistas
tem influência em todos os stakeholders da cadeia de abastecimento. Por um lado, os fornecedores
encontram-se dependentes dos retalhistas, traduzindo-se o jogo de poder em preços mais baixos
pelos produtos e imposição de condições nos contratos. Por outro, os consumidores não beneficiam
dos preços baixos praticados pelos fornecedores.
Em Portugal, a indústria do retalho alimentar tem vindo a evoluir ao longo dos anos. Os consumidores
abandonaram os locais tradicionais de comércio (como pequenas mercearias ou praças) passando o
consumo para áreas de grande dimensão e oferta variada, como os supermercados, hipermercados e
outras estruturas que albergam inúmeros produtos, não só alimentares.
Um estudo recente feito pela consultora Roland Berger (Roland Berger, 2009) constatou que em
Portugal 64% do mercado é dominado por 5 grandes cadeias de retalho alimentar: a Sonae com 21%
de quota de mercado, a Jerónimo Martins com 16%, o Intermarché com 11%, o grupo Auchan com
9% e finalmente o Lidl com 8%.
Contudo, o mesmo estudo conclui que em Portugal não se verifica uma dominância por parte do
retalhista na relação com os fornecedores e que os consumidores portugueses se encontram
satisfeitos com a evolução do setor no país.
3.2.2. A Logística no Retalho
A crescente exigência do consumidor levou a uma evolução do papel do retalhista na cadeia de
abastecimento. Como tal, os sistemas de aprovisionamento e de logística também tiveram que evoluir
por forma a proporcionar “o produto certo, no local certo e na quantidade certa”.
De acordo com o Council of Supply Chain Management Professionals (CSCMP), a logística é a
componente da gestão de cadeias de abastecimento que planeia, implementa e controla de forma
eficiente e eficaz os fluxos de produtos, serviços e informação, entre o ponto de origem e o ponto de
consumo, de forma a ir de encontro aos requisitos do cliente.
À medida que os retalhistas começaram a adotar a abordagem logística e a examinar as suas
cadeias de abastecimento (agora mais abrangentes), muitos reconheceram que para efetuar as
atividades logísticas convenientemente tem de existir uma transformação na abordagem às
operações (Sparcks, 1998). Os principais componentes da evolução verificada na logística do retalho
segundo Alan McKinnon (1996) são:
Aumento do controlo sobre a distribuição secundária: Conseguido nos centros de distribuição,
através da canalização do reaprovisionamento.
Restruturação do sistema logístico: Através da redução de inventário e melhoria da eficiência do
sistema, por exemplo, através da existência de armazéns especializados no stock de slow-
movers ou na utilização de distribuição composta.
21
Adoção de Quick Response (QR): O aumento da competitividade, através do tempo de resposta
mais eficiente, é conseguido através da redução dos níveis de inventário e do aumento da
velocidade do fluxo de produtos. Em conjunto com os sistemas de informação (como o EDI-
Electronic Data Interchange), é possível estimar a procura em tempo real e, consequentemente,
gerar um fluxo de informação desde o consumidor até à produção.
Racionalização da distribuição primária (do produtor ao armazém): Deve-se às pressões por parte
do QR e ao aumento da competição no mercado. O retalhista passa a ter o controlo do canal
desde o centro de distribuição ao produtor, através da integração da distribuição primária e
secundária, resultando num aumento da eficiência e numa redução de desperdícios.
Aumento das atividades da logística inversa: Permitem uma abordagem de sustentabilidade à
cadeia de abastecimento, bem como o desenvolvimento de sistemas logísticos para a gestão da
circulação dos produtos e equipamentos devolvidos para reciclar/reutilizar.
Introdução do conceito Efficient Consumer Response (ECR): Cujo objetivo é a criação de maior
valor para o consumidor. O ECR é conseguido através da reengenharia, redesign e
computorização da cadeia de abastecimento (Lohtia et. al., 2002).
Esta evolução tem vindo a criar um conjunto de desafios nas cadeias de retalho que em seguida se
analisam.
3.2.3. Principais Desafios na Cadeia de Abastecimento no Retalho
Para além da evolução acima referida, as pressões do mercado têm condicionado a atividade dos
retalhistas. A estratégia dos retalhistas passa pela criação de agilidade e proatividade da cadeia de
abastecimento e nesse âmbito, salientam-se ações como o aumento da colaboração com os
fornecedores, uma melhoria ao nível das vendas e planeamento de operações (Sales and Operations
Planning – S&OP) por forma a garantir a previsão e compreensão das necessidades do cliente, e o
desenvolvimento de sistemas que permitam o aumento da visibilidade (facilidade nas trocas de
informação) entre os fornecedores e os retalhistas (Anand e Viswanathan, 2009).
Os requisitos para o sucesso das cadeias de abastecimento que suportam as ações descritas
anteriormente têm por base a coordenação da cadeia de abastecimento. A eficiência da cadeia de
abastecimento melhora significativamente quando os fornecedores e os retalhistas partilham
informação e trabalham em conjunto. Através da colaboração, os fornecedores conseguem assegurar
a entrega dos produtos em JIT, não havendo necessidade de acumulação de stock tanto nos
armazéns do fornecedor como nos centros de distribuição dos retalhistas (atenuação do efeito
bullwhip). Na coordenação das atividades da cadeia de abastecimento, Levy et. al. (2012), destacam
a necessidade de partilha de informação que deve ser suportado por sistemas de informação como
os EDI’s. Esta partilha de informação permitirá o estabelecimento de formas de colaboração em que
se destacam:
22
QR (Quick Response): Partilha de informação POS (point-of-sale) entre o retalhista e o
fornecedor. O fornecedor utiliza esta informação para sincronizar os níveis de produção e de
inventário com os valores reais das vendas do retalhista (Simchi-Levi et. al., 2000).
CRP (Continuous Replenishment Program): Retalhista e fornecedor partilham informações
relativas aos níveis de inventário, para que se aumente a frequência do reabastecimento e se
reduzam os níveis de inventário (Yao et. al., 2006). Adicionalmente, o fornecedor pode (desde
que esteja estabelecido em contrato), de forma gradual, diminuir os níveis de inventário nos
centros de distribuição do retalhista, desde que o nível de serviço seja mantido. A esta forma de
colaboração designa-se por Advanced Continuos Replenishment (Simchi-Levi et. al., 2000).
VMI (Vendor-Managed Inventory): Sistema onde o fornecedor é responsável pela manutenção
dos níveis de inventário do retalhista. O fornecedor determina o ponto de reaprovisionamento do
retalhista e o retalhista partilha informações relativas às vendas e ao nível de inventário via EDI.
CPFR (Collaborative Planning, Forecasting and Replenishment): Consiste na partilha de
previsões e outros dados do negócio e na colaboração para o planeamento, entre retalhistas e
fornecedores, no sentido de melhorar a eficiência da cadeia de abastecimento e o
reabastecimento dos produtos (Chang et. al., 2007). Permite a redução de inventários, uma
melhoria do nível de serviço e genericamente o aumento da eficiência na cadeia de
abastecimento.
Adicionalmente, a utilização de sistemas de RFID (Radio-Frequency Identification) permite uma
verdadeira transformação tecnológica na forma como os retalhistas operam. A tecnologia RFID
consiste num sensor wireless baseado na deteção de sinais eletromagnéticos (McCarthy et. al.,2003).
Os benefícios do sistema de RFID incluem a redução dos custos de trabalho na distribuição e em
armazéns, poupanças na gestão dos inventários, redução de furtos de produtos e equipamentos,
entre outros. No entanto, os custos de adoção e implementação dos sistemas de RFID são bastante
elevados, não permitindo atualmente a sua utilização em larga escala.
A preocupação das atuais cadeias de abastecimento passa também pela criação de cadeias de
abastecimento sustentáveis. O foco na gestão ambiental das operações passou de uma otimização
localizada para um contexto global, desde a produção ao descarte dos produtos, quer devido à
corrente legislação, ao interesse publico ou a oportunidades competitivas (Linton et. al.,2007).
O foco na sustentabilidade permite uma abordagem sistémica a toda a cadeia de abastecimento.
Através da otimização dos vários processos que originam o produto ou serviço, é possível gerar
maior valor para o cliente ao menor preço (Handfield e Nichols,1999). Assim, é necessário integrar
fluxos que se estendem para além do core da cadeia de abastecimento, como o design do produto, a
manufatura, a distribuição, a utilização do produto e o tratamento após o fim de vida dos produtos
(Linton et. al.,2007).
Recentemente, um estudo efetuado pela PwC (Global Supply Chain Survey, 2013), através de um
extensivo questionário a empresas na área do retalho e dos bens de consumo, concluiu que as
23
principais áreas de foco são a maximização da performance na entrega dos produtos (95%), a
minimização dos custos (90%), a maximização da flexibilidade e da capacidade de resposta (79%) e
a gestão da complexidade (70%). Estes resultados permitem compreender quais as áreas de
interesse dos retalhistas e especular medidas futuras que as empresas podem tomar por forma a
atingir os seus objetivos.
Estes objetivos podem ser alcançados através da exploração de metodologias que permitam agilizar
a cadeia de abastecimento, aumentando a flexibilidade e mantendo uma estrutura de custos
controlada. Duas estratégias eficazes e muito utilizadas na cadeia de abastecimento dos retalhistas
são a aplicação do conceito de JIT e Cross Docking, especialmente nas operações logísticas. Como
tal, ambas as temáticas serão estudadas nos próximos subcapítulos.
3.3. Just in Time nas Cadeias de Abastecimento A principal premissa da filosofia JIT consiste na manutenção dos níveis de inventário adequados,
quer em termos de matérias-primas quer de produtos acabados, por forma a responder à procura dos
elementos da cadeia de abastecimento. Como consequência, a aplicação da filosofia JIT permite a
manutenção de um nível de serviço elevado junto do cliente e simultaneamente a redução dos
investimentos de capital em inventário e os custos relacionados com desperdícios e obsolescência
(UPS Supply Chain Solutions, 2005).
A filosofia JIT, desenvolvida pela Toyota, foi criada com o intuito de se atingir um elevado volume de
produção, utilizando níveis de inventário reduzidos (Sandanayake et. al., 2007) O objetivo desta
filosofia é a redução de desperdícios, baseado no “conceito zero”, isto é, alcançar uma produção com
zero defeitos, zero inventários, zero filas de espera entre outros. (Zhongfu et. al., 2008). Contudo, a
vasta abrangência do conceito levou à sua aplicação não só na fase de produção e gestão de
inventários, mas também na distribuição. Assim, a distribuição em JIT tem por objetivo a distribuição
de produtos ou serviços aos clientes, correspondendo de forma eficiente a procura e a oferta (Wang
et. al., 2004).
Os sistemas JIT são muitas vezes referidos como sistemas Pull. Ao contrário dos sistemas Push que
funcionam com previsões a longo prazo da procura, nos sistemas Pull é a procura real dos clientes
que desencadeia as atividades na rede de abastecimento (Simchi-Levi, et. al., 2000). Assim, uma
cadeia de abastecimento que funciona em sistema Pull permite um melhor fluxo de informação entre
os elementos da cadeia. Contudo, o melhor sistema a aplicar é aquele que corresponde aos
requisitos do produto, dos clientes e da empresa.
Vários benefícios da aplicação de uma estratégia JIT são citados na literatura, dos quais se destacam
a eliminação de desperdícios na fase de manufatura, melhoria da comunicação interna (dentro da
organização) e externa (entre a organização, parceiros e clientes), potencial para a redução de custos
de aprovisionamento, redução dos tempos de abastecimento, aumento da qualidade do produto e do
serviço, integração das diferentes áreas funcionais da organização entre outros (Yasin et. al., 1997).
24
Acresce que o JIT é uma estratégia de negócio que requer o compromisso da organização em
modificar/ajustar as suas operações, cultura organizacional e relação com os fornecedores e clientes.
Outro fator importante para o sucesso da implementação de JIT nas organizações é a realização de
previsões da procura e constante atualização das mesmas, por forma a igualar a procura e a oferta
eficazmente (Bowman, 1991). Ademais, os fornecedores devem ter acesso à informação em tempo
real das operações da empresa e devem partilhar informações críticas e de planeamento com a
mesma, evitando problemas relacionados com a entrega dos produtos, nomeadamente timings,
quantidades e qualidade (Yasin et. al., 1997).
É ainda de referir que na indústria do retalho, sendo as cadeias de abastecimento caracterizadas pela
entrega rápida dos produtos devido à perecibilidade dos mesmos e aos requisitos dos clientes, a
operação em JIT é sempre que possível seguida. Tal permite níveis de inventário menores e custos
operacionais (principalmente de detenção e armazenagem) reduzidos. A distribuição em JIT é
otimizada quando os tempos de abastecimento e os tempos de produção permitem ao fornecedor
operar numa base make-to-order (isto é, produzir à medida que o retalhista faz os pedidos e não
produzir para stock) (Pourakbar et. al., 2008).
No entanto, a procura por parte dos clientes não é a mesma para todos os produtos. Como tal, pelo
armazém passam produtos de maior rotatividade (fast-movers) como de menor rotatividade (slow-
movers) devendo ser operados consoante as suas características. A gestão de produtos com
diferentes níveis de procura torna-se mais desafiante em ambiente JIT, uma vez que a sua
permanência em armazém é sensivelmente a mesma (devido ao conceito JIT), alterando-se as
quantidades e a frequência com que chegam ao armazém.
3.4. Cross Docking nas Cadeias de Abastecimento Atualmente, as exigências do mercado exigem uma nova forma de distribuição dos produtos. Uma
dessas formas está ligada à estratégia Cross Docking que tem por objetivo reduzir os níveis de
inventário, reduzir os custos de transporte, aumentar os níveis de serviço (Waller et. al., 2006), entre
outros benefícios que serão apresentados posteriormente.
3.4.1. Conceito de Cross Docking
Belle et. al. (2012) definem Cross Docking como a estratégia logística utilizada por várias empresas
em diferentes industrias, em que o objetivo é a transferência de cargas recebidas diretamente para os
veículos de expedição, sem existir as fases intermédias de armazenamento. Neste sistema, os
armazéns funcionam como pontos de coordenação de inventário, em vez de pontos de armazenagem
(Simchi-Levy et. al., 2000). Nos sistemas típicos de Cross Docking, os produtos chegam aos
armazéns (provenientes do fornecedor), são transferidos para os veículos e enviados para os
retalhistas o mais rapidamente possível (Simchi-Levy et. al., 2000). O conceito está intrinsecamente
ligado aos objetivos da cadeia de abastecimento lean, isto é, alcançar volumes de inventário menores
e mais visíveis que sejam entregues de forma mais rápida e frequente (Cook et. al., 2005).
25
O Cross Docking permite alcançar diversas vantagens comparativamente aos centros de distribuição
comuns, das quais de destacam: redução de custos (nomeadamente de armazenagem, de inventário,
de mão de obra etc.), redução do tempo de abastecimento desde o fornecedor ao cliente final,
melhoria no nível de serviço ao cliente, redução do espaço de armazenagem, redução de
estragos/perdas de produtos entre outros (Belle et. al., 2012).
Os principais fatores que influenciam a eficácia do Cross Docking são a manipulação de paletes, o
mix de cargas, o número de equipamentos, o número de portas e layout do armazém e tamanho da
zona de cross dock (Vasiljevic et. al., 2013).
As vantagens referidas fazem do Cross Docking uma estratégia logística de grande interesse que
permite às empresas alcançar vantagens competitivas consideráveis (Belle et. al., 2012). Várias
empresas relataram o sucesso da implementação do Cross Docking nas suas atividades, das quais
se destacam o Wal Mart (Stalk et. al., 1992) ou a Toyota (Witt, 1998).
No entanto, a implementação da estratégia de Cross Docking deve ser amplamente estudada, uma
vez que pode causar impactos na disponibilidade dos produtos para o consumidor final (Zinn et. al.,
2002). Este fator é de extrema importância para os retalhistas. Adicionalmente, os sistemas de Cross
Docking requerem um investimento inicial considerável e são particularmente difíceis de gerir (Simchi-
Levi et. al., 2000).
3.4.2. Aplicação do Cross Docking
Poucas são as empresas que utilizam o Cross Docking como estratégia exclusiva (Simchi-Levi et. al.,
2000), uma vez que diferentes produtos requerem diferentes abordagens.
Apte et. al. (2000) referem que o primeiro fator importante a ser estudado na aplicação sustentável de
uma estratégia de Cross Docking é a taxa de procura do produto. Se existir um desequilíbrio entre as
quantidades de produto que chegam ao armazém e as quantidades de produto que saem do
armazém, então a estratégia de Cross Docking não irá funcionar (Belle et. al., 2012). Assim, produtos
com taxas de procura relativamente estáveis serão os mais indicados para a utilização de Cross
Docking, uma vez que os requisitos de armazenagem e transporte são mais previsíveis e
consequentemente permitem o planeamento e implementação da estratégia de forma mais simples e
eficaz (Belle et. al., 2012). O segundo fator definido por Apte et. al. (2000) é o custo unitário de
stockout. Como foi referido anteriormente, a estratégia de Cross Docking minimiza os níveis de
inventário e, consequentemente, a probabilidade de stockout aumenta. No entanto, Belle et. al. (2012)
afirmam que, se o custo unitário de stockout for reduzido, então os benefícios da utilização de Cross
Docking podem suplantar os custos de stockout, caso contrário, é preferida a armazenagem
tradicional. Outros fatores que podem influenciar a sustentabilidade de uma estratégia de Cross
Docking são as distâncias entre fornecedores e clientes (quanto maior a distância, maiores os
benefícios da consolidação de cargas), o valor do produto, as quantidades procuradas, entre outros
(Apte et. al., 2000).
26
Outros autores estudam o mesmo problema de forma mais quantitativa como é o caso de Galbreth et.
al. (2008), que comparam os custos de transporte e de manuseio dos produtos em duas situações,
uma em que não se utiliza Cross Docking e outra em que este é utilizado. Para a segunda situação o
autor propõe a utilização de um modelo de mix integer programming (MIP) para determinar que
produtos devem ser operados em fluxo Cross Docking.
Dentro da estratégia de Cross Docking existem vários tipos, distinguindo-se em números de toques
(touch) e de fases (stage) (Belle et. al., 2012). Num Cross Docking de one -touch (Cross Docking
puro), os produtos são “tocados” uma única vez quando são recebidos e carregados diretamente nas
viaturas para expedição. Num Cross Docking de two-touch ou de single- stage, os produtos são
recebidos e colocados na zona de doca até serem carregados no veículo de transporte. Num Cross
Docking de multiple-touch ou two-stage, os produtos são recebidos, colocados na zona de doca,
reconfigurados para a expedição e carregados nas viaturas (Belle et. al., 2012).
Cada estratégia de Cross Docking será aplicada tendo por base um conjunto de características e
requisitos, dos quais se destacam: as características físicas do armazém (como o seu layout, o
número de portas disponíveis etc.), características operacionais (como o tipo e o nível de serviço) e
características de fluxo (como o padrão de chegada de produtos ao armazém, o tempo de partida ou
a necessidade de armazenamento temporária) (Belle et. al., 2012). Estas características são
fundamentais não só na estratégia de Cross Docking, como em todas as atividades de planeamento e
gestão dos produtos.
3.5. Gestão de Produtos com Procura Variável Para uma boa gestão de produtos, para além da metodologia logística associada como por exemplo o
JIT ou o Cross Docking referidos anteriormente, existem outros aspetos muito importantes como a
previsão da procura e a classificação dos tipo de inventário de produtos que por sua vez definem a
politica logística de gestão em armazém.
3.5.1. Classificação de Inventário
Devido às diferentes características dos produtos e aos diferentes níveis de procura por parte dos
clientes, torna-se necessário classificar os produtos num armazém. Esta classificação permitirá o
estabelecimento de técnicas e métodos apropriados na gestão das atividades logísticas e de
inventário, conforme o seu grau de importância para a empresa e para o cliente.
A classificação de inventário através da análise ABC é a técnica mais utilizada nas organizações. A
análise ABC baseia-se no princípio de Pareto, isto é, a regra 80-20 (a regra dita que, por exemplo,
80% dos SKU´s num inventário são responsáveis por 20% das vendas geradas). Por norma, os
produtos são classificados com base no seu valor de utilização anual, resultado da multiplicação da
procura anual pelo preço médio unitário, não sendo contudo este o único critério para a classificação
ABC. Outros critérios importantes referidos na literatura dizem respeito aos custos de inventário,
tempos de abastecimento, níveis de obsolescência, distribuição da procura, entre outros. Desta
forma, começam a surgir mais estudos relativos à classificação ABC multicritério, não sendo ainda
27
intensivamente utilizada devido à complexidade das ferramentas necessárias para se efetuar o
estudo (Ramanathan, 2004).
Na classificação ABC os produtos são classificados em três classes: A classe A contempla um
número relativamente pequeno de produtos que constituem a maioria do valor de utilização anual; A
classe C é composta por um número elevado de produtos cujo valor de utilização anual é residual;
(Ramanathan, 2004).Os produtos entre as classes anteriormente descritas constituem a classe B. Os
produtos de classe A são tipicamente fast-movers e os de classe C slow-movers. A classificação dos
produtos em A, B, ou C é bastante abrangente e varia de organização para organização (ou seja, um
slow-mover numa organização pode ser fast-mover noutra). Os elementos da classe A devem ser
controlados e monitorizados continuamente, enquanto que os de classe C não necessitam de um
controlo tão apertado.
3.5.2. Gestão de Armazéns e Inventário
Um dos principais desafios enfrentado pelos gestores de armazéns consiste na necessidade de
manter um nível de serviço elevado, reduzindo simultaneamente os custos de armazenagem e
inventários. Num armazém típico, a atividade com maior peso no total dos custos é o picking,
correspondendo a cerca de 65% dos mesmos, podendo este valor aumentar num armazém de
distribuição (Strack et. al., 2009).
Desta forma, a gestão das atividades no armazém e dos produtos em inventário torna-se
preponderante. Para cada tipo de SKU no armazém, as atividades devem ser planeadas e
executadas consoante as necessidades. Strack et. al (2009) indicam que os modelos de gestão de
armazéns e inventário são abordados separadamente de forma independente e sequencial: os
modelos forward-reserve resolvem o problema da atribuição de produtos nas áreas reservadas (para
a receção, picking, armazenagem etc.), com a função de reduzir os níveis de trabalho destinados à
operação de picking e os modelos de inventário têm por objetivo minimizar o custo operacional total,
não comprometendo o nível de serviço ao cliente (Ghiani et. al, 2004).
A gestão dos produtos num armazém deve ser feita consoante o tipo de produtos. Por norma, os fast-
movers apresentam níveis de procura estáveis. Esta procura pode ser modelada através de uma
distribuição gama (Nenes, et.al., 2010). Os slow-movers apresentam procuras intermitentes, podendo
ser modelados com recurso a uma distribuição Poisson (Nenes, et.al., 2010). Como foi referido
anteriormente, tipicamente os fast-movers correspondem à classe A da análise ABC, contudo, alguns
slow-movers podem também pertencer à mesma classe devido ao elevado custo unitário de
aquisição (Nenes, et.al., 2010). Assim, a análise ABC permite ter uma visão adequada do espetro de
produtos num armazém mas não permite identificar de forma clara a rotatividade dos mesmos.
Adicionalmente torna-se importante estudar as políticas de expedição nos armazéns, com o intuito de
se analisar as atividades de reabastecimento e transporte. A literatura distingue duas políticas de
expedição, uma baseada no tempo e outra na quantidade. No primeiro caso, cada encomenda é
enviada através de uma data de expedição pré-definida, apesar de as quantidades não
28
corresponderem a economias de escala para o transporte. No segundo caso, as quantidades
enviadas garantem economias de escala para o transporte, não podendo contudo garantir datas de
entrega pré-acordadas. Considerando uma procura estocástica, a política de expedição baseada nas
quantidades permite reduções nos custos ao longo do tempo mais significativos que a política de
expedição baseada no tempo (Pourakbar et. al., 2008). Contudo, tal como já foi referido, todas as
políticas e modelos de gestão de armazéns e inventário dependem principalmente de dois fatores, as
características dos produtos e os requisitos do cliente, pelo que uma política de expedição baseada
nas quantidades será mais adequada num armazém de stock e a política de expedição baseada no
tempo será mais adequada num armazém de JIT.
3.6. Conclusões do Capítulo Do primeiro tópico a ser estudado na revisão da literatura, a gestão de cadeias de abastecimento,
conclui-se que o estudo do ciclo de pedidos das lojas em ambiente JIT e que a definição do fluxo em
que cada produto deve ser operado se encontra no nível de planeamento da cadeia de
abastecimento.
A caracterização da indústria do retalho, efetuada na secção 3.2., permitiu conhecer com mais
detalhe o âmbito do negócio do Grupo JM. A crescente exigência do consumidor e as características
atuais do mercado levaram a uma evolução do papel do retalhista na cadeia de abastecimento. A sua
estratégia passa pela criação de agilidade e proatividade na cadeia de abastecimento sem descorar a
temática da sustentabilidade, integrando todos os participantes da rede com o objetivo final de
criação de valor.
Para uma melhor compreensão do ciclo de pedidos em JIT e do fluxo em que um produto deve ser
operado, torna-se necessário incluir a filosofia JIT, estudada na secção 3.3. A abrangência e
praticabilidade da filosofia permitiram a sua aplicação não só no contexto da produção e manufatura
mas também na distribuição, em que o objetivo é a distribuição de produtos ou serviços aos clientes,
correspondendo a procura e a oferta de forma eficiente. Na secção 3.4. foram introduzidos alguns
conceitos sobre Cross Docking no que respeita às suas vantagens (como a redução de custos de
transporte e inventário), e à sua aplicabilidade.
Por fim, na secção 3.5. foram estudados conceitos e metodologias de apoio à gestão de produtos
com procuras variáveis. Aos armazéns chegam pedidos diários de diferentes produtos em diferentes
quantidades e em diferentes fluxos operacionais e como tal, devem ser abordados com estratégias
adequadas aos seus requisitos. Assim, foi introduzida a classificação de inventário mais comumente
utilizada, a análise ABC, e foram introduzidas ferramentas de gestão de armazéns e inventário
aplicáveis aos vários tipos de produtos, sejam eles fast-movers ou slow-movers.
A revisão da literatura permitiu concluir qual o estado da arte acerca do tema em estudo. Não foi
encontrado nenhum artigo que se dedicasse exclusivamente ao estudo da otimização dos pedidos
das lojas aos armazéns, contudo, todos os temas estudados relacionam-se intrinsecamente com o
problema em questão e irão funcionar como suporte ao trabalho efetuado nos capítulos seguintes.
29
4. Recolha e Tratamento de Dados
Como já referido anteriormente, o objetivo do presente trabalho passa pela otimização dos pedidos
efetuados pelas lojas ao armazém de Não Perecíveis JIT, com o intuito de melhorar a performance
operacional do armazém, bem como as atividades em loja. Assim, em primeiro lugar far-se-á uma
contextualização das atividades no armazém 5407 no sub-capítulo 4.1., seguida da apresentação das
etapas que proporcionaram a escolha de uma amostra representativa no sub-capítulo 4.2., no sub-
capítulo 4.3. serão apresentados os resultados e conclusões que resultaram da análise dos pedidos
efetuados pelas lojas em estudo e por ultimo, no sub-capítulo 4.4. conclui-se acerca do processo de
recolha e tratamento de dados.
4.1. Perfil do Armazém de Não Perecíveis JIT Na secção 2.3. foram apresentadas as características gerais do armazém, nomeadamente no que se
refere ao layout e às operações. Contudo, para a escolha de uma amostra fiável, é necessário
aprofundar alguns aspetos que caracterizam o desempenho do armazém, como o tipo de artigos
recebidos/expedidos, as atividades em armazém e a produtividade.
4.1.1. Produtividade no Armazém
O armazém de Vila Nova da Rainha possuiu quatro secções distintas no seu layout: secção de
Promoções, secção Alimentar, secção de Não Alimentar e Cais Leite. Espera-se que a produtividade
em cada fluxo não seja idêntica devido a um conjunto de constrangimentos dos quais se destacam:
as janelas horárias dos fornecedores, o tipo de artigo em cada fluxo, ou a prioridade de cada fluxo na
expedição. Relativamente ao último ponto, a prioridade é maior no fluxo das Promoções, seguindo-se
a secção Alimentar e o Cais Leite, sendo o fluxo de Não Alimentar o menos prioritário. Esta
priorização é justificada por um lado pela importância estratégica das promoções no Grupo JM e por
outro pelo fato de serem os produtos alimentares que ditam a maior retenção de clientes por loja: um
cliente que deseje um produto de primeira necessidade e que não o encontre numa loja do Grupo
tendencialmente irá procura-lo numa loja de outra cadeia de retalho, enquanto que o mesmo não
acontece quando se trata de outro tipo de produtos (por exemplo um produto de higiene de uma
marca específica).
Como foi referido no capítulo 2, a produtividade no armazém é medida através do rácio entre o
número de UMC’s (caixas) executadas por hora de trabalho – esta produtividade pode ser individual,
isto é, por operador, ou all-in, onde se contabilizam todas as UMC’s executadas e todas as horas
despendidas no armazém, incluindo não só os operadores da execução, como os da receção,
expedição e gestores operacionais. No entanto, para justificar a diferença de produtividade
constatada empiricamente, foram recolhidos dados entre o mês de janeiro e março no que diz
respeito à produtividade individual de todos os operadores da execução (não se contabilizando as
horas das restantes atividades).
30
A figura 5 permite sustentar a afirmação anterior, constatando-se um maior rácio de caixas
executadas por hora no fluxo de Promoções (prioridade mais elevada) e Leite e um valor menor no
fluxo Não Alimentar (prioridade inferior). Por questões de confidencialidade, os valores apresentados
na figura resultam da conversão dos valores reais de produtividade, mantendo-se a diferença relativa
entre os valores de produtividade dos quatro fluxos.
Figura 5. Gráfico com a produtividade no armazém 5407, por fluxo e para o período de Jan-Mar de 2014
Sendo a produtividade a medida de performance mais importante nos armazéns do Grupo JM deverá
pois ser um dos principais fatores de melhoria a atingir com o resultado da otimização dos pedidos.
Assim, todos os pressupostos assumidos daqui em diante têm por base a perspetiva de melhoria da
produtividade no armazém. Consequentemente, o foco será na operação de execução, excluindo-se
as atividades que não estão diretamente relacionadas com a produtividade no armazém.
No decorrer do trabalho serão apenas analisados os fluxos Alimentar e Não Alimentar, uma vez que
se tratam dos fluxos mais críticos em termos de produtividade, apresentando valores menores
comparativamente ao fluxo das Promoções e Leite.
4.1.2. Artigos no Armazém
Para uma melhor contextualização do perfil do armazém, torna-se importante referir que tipos de
artigos são recebidos, executados e expedidos. O Grupo Jerónimo Martins opera 27 famílias de
artigos distintas, como se pode observar na tabela 8.2.1 (em anexo). A tabela 8.2.2 (em anexo)
mostra a estrutura mercadológica dos artigos. A cor amarela encontram-se as famílias e os grupos de
produtos que não estão representados no armazém 5407.
Ambas as tabelas permitem compreender o universo de artigos operados no Grupo JM, bem como no
armazém de Vila Nova da Rainha. No entanto, e tanto para o fluxo Alimentar como Não Alimentar,
torna-se não só importante saber quais os artigos presentes no armazém, como compreender “o seu
grau de importância” no que diz respeito à rotatividade. Assim, foi efetuada uma análise ABC por
fluxo, para o ano móvel iniciado em Fevereiro de 2013 a Fevereiro de 2014.
Pela observação dos gráficos 8.3.1 e 8.3.2 (em anexo), verifica-se que a curva de Pareto se encontra
bem definida, aludindo à relação 80-20 em cada fluxo. Em termos numéricos, verificou-se que no
fluxo Alimentar, 15% dos artigos são responsáveis por 84,6% das saídas (artigos de classe A),
96,558,2 48,7
100,0
PROMOÇÃO ALIMENTAR NÃO ALIMENTAR LEITE
Pro
du
tivi
dad
e C
aixa
s/h
ora
Produtividade Jan - Mar 2014
Prod(c/h)
31
enquanto que 35,7% são responsáveis por 0,3% das saídas (artigos de classe C), num universo de
4.776 artigos e 15.512.001 saídas. No fluxo Não Alimentar, 15% dos artigos correspondem a 83,7%
das saídas (artigos de classe A), enquanto 36,3% correspondem a 1% das saídas (artigos de classe
C), num universo de 10.957 artigos e 8.409.990 saídas. Estes dados, nomeadamente a classificação
ABC, serão importantes aquando da escolha da amostra, uma vez que no âmbito desta tese será
impossível analisar todos os artigos envolvidos.
4.2. Seleção da Amostra A seleção de uma amostra representativa de cada um dos fluxos em estudo, fluxo Alimentar e Não
Alimentar é um passo fundamental para a análise dos pedidos das lojas, na medida em que
fundamenta a necessidade de atuar sobre o pedido de determinado artigo, consoante as suas
características em termos de UMC, de volume de pedidos, de fornecedor ou mesmo de valor
económico. Desta forma, nesta secção será apresentada uma metodologia com um conjunto de
passos e considerações tomadas com o objetivo de encontrar um grupo de artigos que componham
uma amostra fiável e representativa do universo de artigos críticos nas operações do armazém de
Não Perecíveis JIT. A figura 6 apresenta esquematicamente a metodologia criada e aplicada no
seguimento do presente subcapítulo:
Figura 6. Metodologia para seleção da amostra
4.2.1. Operação de Execução e Classificação dos Artigos
Sendo a atividade que influência diretamente a produtividade, a execução toma particular relevância
no estudo para a escolha da amostra. Esta operação já foi brevemente descrita na subsecção 2.3.2. e
na presente será aprofundada.
Filtragem dos resultados pelo critério crítico de execução e por análise ABC
ABC à rotatividade dos artigos ABC ao tempo de execução por artigo
Cálculo do número mínimo para a dimensão da amostra
Construção da matriz de dificuldades e classificação dos artigos
Recolha de informação sobre os artigos executadosNo terreno: Características físicas dos artigos,
fluxos de execuçãoEm WPMS e SAP: Tempos de execução, volumes
de execução
Caracterização da atividade de execução
Com recurso à Literatura disponível Realização de um inquérito aos colaboradores
32
Atualmente existem dois turnos no armazém de Vila Nova da Rainha, o primeiro das 06h00 às 15h00
e o segundo das 15h00 às 24h00, ambos com cerca de 1h30 de paragem. Em ambos os turnos estão
presentes operadores com as tarefas de receção, execução, expedição e atividades não produtivas,
como a vitafilmagem e outras operações nos corredores. No que respeita à execução, os turnos
variam entre 26 e 32 operadores, sendo a média 28 operadores por turno. A execução começa com a
atribuição de uma unidade de trabalho (UT), que corresponde à execução de uma palete e começa
assim que o operador aceita o trabalho no terminal de radiofrequência. Percorrendo o layout, o
operador irá ler o código de cada loja e colocar o número de caixas de cada artigo, pedido por loja. A
operação acaba quando o operador não tiver mais caixas para distribuir e consequentemente finalizar
a UT. No entanto e como em qualquer atividade, existem outros fatores que condicionam a execução,
representados na figura 7:
Figura 7. Gráfico de Ichikawa para a atividade de execução no armazém 5407
Equipamento
Apesar de não ser um dos fatores mais relevantes na execução, o equipamento utilizado deve ser o
mais adequando por forma a facilitar a operação. Os equipamentos mais utilizados na execução são
as motas, que permitem o transporte das paletes e uma boa deslocação pelo armazém. Os
equipamentos que mais condicionam a execução são os AT’s, nomeadamente os skates, que
dificultam a execução pela sua mobilidade: a sua deslocação acidental pode originar erros na
expedição e implica perdas de tempo na sua recolocação no layout.
Pedidos
Os pedidos das lojas influenciam determinantemente a operação. A alteração ou flutuação das
quantidades pedidas pelas lojas pode alterar drasticamente a operação, ao nível do número de
operadores necessários (e consequentes horas extraordinárias ou dispensas), do espaço disponível
em armazém, das janelas horárias existentes para os vários fornecedores ou do planeamento da
expedição (tendo consequência direta no planeamento dos transportes). O mesmo acontece no que
respeita ao tempo de abastecimento - o armazém tem as suas atividades planeadas com base num
tempo de abastecimento pré-acordado com os fornecedores, pelo que alguma alteração a este nível
pode condicionar a operação.
33
Layout
O layout é um dos principais condicionantes da execução. Em primeiro lugar, como já referido
anteriormente, cada fluxo no layout tem uma prioridade e, consequentemente, uma
facilidade/dificuldade de execução. Em segundo lugar, a colocação das lojas no layout implica
maior/menor atividade no layout (por exemplo, lojas com elevadas quantidades de pedidos colocadas
numa região próxima podem originar um estrangulamento). Por ultimo, quanto mais distantes estão
as lojas para um mesmo pedido, maior será o tempo de execução necessário. O presente trabalho
não visa o estudo do layout existente, mas o seu resultado pode apoiar uma eventual restruturação
do mesmo.
Colaboradores
Em qualquer organização o fator humano, apesar da sua pertinência, é o mais difícil de gerir. É
necessário lidar com diferentes personalidades e motivações que, por seu turno, condicionam de
forma mais ou menos positiva a operação.
UMC’s
A influência das UMC’s neste contexto prende-se com o tipo de embalagem (packaging) utilizado,
que no armazém varia entre caixas de cartão robustas, caixas de cartão fino, base de cartão com
plástico envolvente ou simplesmente uma pelicula que protege o produto primário. As embalagens
têm elevada importância na atividade logística, protegendo os produtos durante o transporte da
mercadoria, permitindo o manuseio seguro dos produtos e funcionando como estratégia de
marketing, entre os fornecedores e clientes (neste caso o armazém). Como tal, as embalagens que
chegam ao armazém têm características que condicionam as operações, com particular incidência na
execução onde acontece o manuseio das UMC’s. Muther (1978) identificou um conjunto de
características que estão subjacentes a cada unidade de carga, das quais se destacam entre outras:
o peso, o volume, a fragilidade e a forma. No contexto da execução, são estas as características das
embalagens das UMC’s que influenciam a operação e, como tal, devem ser tidas em conta na
perspetiva de melhoria da atividade.
Todos os pontos apresentados têm impactos diretos na execução e a sua caracterização foi
fundamental para a compreensão da atividade no armazém. Contudo, o primeiro objetivo deste
estudo é a seleção de uma amostra representativa dos produtos críticos no armazém (a ser utilizada
na análise dos pedidos das lojas), pelo que, dentro dos tópicos acima referidos, torna-se fundamental
o estudo de artigos cuja UMC dificulte a execução. Será portanto este o tópico principal a ser
estudado na escolha da amostra.
Para esta etapa, foi construída a tabela 8.4.1 (em anexo) que relaciona as características das
unidades de carga (volume, peso, forma e fragilidade) com o grau de dificuldade de execução,
pontuado de 1 (grau de dificuldade menor) a 5 (grau de dificuldade maior). Note-se que as descrições
na tabela dizem respeito às características das UMC e não dos artigos.
34
O número de referências por palete, apesar de não estar diretamente relacionado com a embalagem
em si, é um dos elementos mais importantes da operação. Este aspeto foi por várias vezes
mencionado pelos operadores do armazém e reiterado pelos gestores operacionais como sendo o
principal elemento que condiciona a execução, pelo que se optou por se incluir na tabela
apresentada.
Adicionalmente, considerou-se importante perceber qual a opinião geral dos operadores da
execução, relativamente a todos os critérios de dificuldade definidos, por forma a melhor
compreender não só a operação em si, mas também os aspetos sobre os quais devem incidir as
propostas de melhoria. Como tal, foi elaborado um inquérito anónimo (figura 8.5.1 em anexo)
constituído por duas questões, o qual foi passado aos operadores da execução. A primeira questão
pede uma classificação (de 1 a 5) de cada um dos critérios por grau de dificuldade para a execução e
a segunda questão pede dois exemplos de produtos que os operadores considerem difíceis de
executar, por cada critério. De um universo de aproximadamente 60 operadores na execução por dia,
foram recolhidas 44 respostas.
A análise das respostas do inquérito permite concluir que, de fato, o elemento mais critico na
execução é o número de referências por palete, seguindo-se o peso das UMC’s, como se pode
constatar no gráfico da figura 8.
Figura 8. Gráfico com o resultado do inquérito em relação aos critérios de dificuldade de execução no armazém
5407
Salienta-se que para melhor compreensão dos resultados, foram apenas consideradas as
classificações com pontuação 5 (eliminando-se qualquer ambiguidade ou interpretação erronia das
questões por parte dos colaboradores).
Depois de se compreender o constrangimento que cada critério provoca na execução, procedeu-se a
um outro levantamento de dados. No total foram recolhidos dados para 1.349 artigos no fluxo
Alimentar e 654 no Não Alimentar, para 6 colaboradores do turno da manhã, registando-se os tempos
de execução e as características dos artigos. De seguida, os artigos foram classificados segundo
uma matriz de dupla entrada (figura 8.6.1 em anexo) baseada na tabela de dificuldades de execução,
que opõe cada um dos critérios com o propósito de se compreender se o artigo em questão é crítico
do ponto de vista da execução. Este ponto será retomado adiante.
15 80 35 25115
Tamanho Peso Fragilidade Forma NºRef.PaleteP
on
tuaç
ão d
e ca
da
crit
ério
(p
on
tuaç
ão 5
)
Critérios
Critérios de Dificuldade
35
4.2.2. Tamanho da Amostra
Num universo de 15.733 artigos no armazém 5407 (valor correspondente ao ano móvel de fevereiro
de 2013 a fevereiro de 2014) e com um total de 1.349 artigos para um potencial estudo no fluxo
Alimentar e 654 no fluxo Não Alimentar, torna-se importante compreender qual o tamanho adequado
à amostra, para que seja válida e representativa, isto é, apresentando as mesmas características
gerais da população no que diz respeito às variáveis em estudo (Oliveira & Grácio, 2005).
Existem várias metodologias para se proceder ao cálculo do tamanho de uma amostra aleatória
simples. Entenda-se por amostra aleatória simples, uma amostra em que cada subconjunto da
população com o mesmo número de elementos tem a mesma probabilidade de ser incluído na
amostra (Barbetta, 1999). Optou-se pela proposta efetuada pelas autoras Oliveira & Grácio (2005),
uma vez que se pretende a obtenção de um conjunto de elementos suficiente, que permitam a
obtenção de resultados válidos.
Importa referir que, quanto maior o tamanho da amostra, maior a precisão dos resultados e
representatividade dos mesmos. Contudo, uma amostra de tamanho elevado conduz a um aumento
do tempo gasto na sua análise. No contexto do presente trabalho, pretende-se que a amostra seja o
mais pequena possível, respeitando a sua validade e representatividade.
Numa primeira abordagem, Oliveira & Grácio (2005) apresentam um cálculo simples para o tamanho
da amostra, partindo do princípio que não se conhece o tamanho da população (N):
𝑛0 = 1 𝐸02⁄ (4.1)
Em que n0 representa o tamanho da amostra e E0 o valor do erro da amostra tolerável. O erro
tolerável consiste na diferença aceitável, entre o valor que a estatística acusa e o verdadeiro valor do
parâmetro que se deseja estimar (Barbetta, 1999). Para efeitos práticos, Oliveira & Grácio (2005)
simplificaram a fórmula (4.1), mantendo fixo o nível de confiança aceitável em 0,95 e a proporção
populacional em 0,5, isto é, admitindo-se que a proporção do evento na população em estudo é de
0,5. Entenda-se o conceito nível de confiança, como a probabilidade de o valor do parâmetro em
estudo pertencer ao intervalo centrado na estimativa estatística do parâmetro e os limites
determinados pelo erro tolerado (Oliveira & Grácio, 2005). O valor da proporção populacional foi
mantido em 0,5, por se tratar da “pior situação” em termos de variabilidade populacional (Oliveira &
Grácio, 2005), optando-se pela abordagem mais conservadora dos resultados, uma vez que não se
conhece a estimativa deste parâmetro.
Na situação em estudo (isto é, os artigos no armazém 5407), o valor de N é conhecido, pelo que a
expressão acima é ajustada (Oliveira & Grácio, 2005):
𝑛 = 𝑁 ∗ 𝑛0 (𝑁 + 𝑛0)⁄ (4.2)
Dada a separação dos fluxos Alimentar e Não Alimentar no armazém, optou-se pela separação do
cálculo da amostra, ou seja, pretende-se calcular o tamanho de duas amostras distintas, uma para
36
cada fluxo em questão. A tabela 1 resume os resultados obtidos através da aplicação das fórmulas
anteriores:
Tabela 1. Tabela com o resumo dos parâmetros da amostra
Parâmetros Fluxo Alimentar Fluxo Não Alimentar
E0 0,1 0,1
n0 100 100
N 4.776 10.957
n 98 99
Desta forma, para que em cada fluxo a amostra seja representativa, deve ser composta por, no
mínimo, 98 artigos no fluxo Alimentar e 99 Artigos no fluxo Não Alimentar.
4.2.3. Seleção, Caracterização e Validação da Amostra
Após efetuada a primeira seleção de artigos que compõe a amostra (secção 4.2.1) e depois de se
calcular o tamanho mínimo para essa mesma amostra, é necessário continuar o processo de seleção
dos artigos.
A classificação dos artigos na matriz de dupla entrada tem por objetivo a compreensão do grau de
dificuldade de execução em cada critério. A matriz foi dividida em três zonas distintas, em que cada
cor representa a dificuldade de execução do artigo para cada dois critérios: cor verde quando a
execução é simples, amarela quando a execução tem um grau de dificuldade médio e vermelho
quando a execução é classificada como difícil. A divisão de cores foi feita consoante a classificação
do artigo. Se ambos os números do par são inferiores a 3, a dificuldade é baixa e a cor é verde; se no
par um dos números é igual a 3 e o outro inferior a 3, a dificuldade é média e a cor é amarela; se pelo
menos um dos números do par é superior a 3, a dificuldade é elevada e a cor é vermelha. Optou-se
por esta divisão tendo por alicerce a tabela 8.4.1 de critérios de dificuldade (em anexo) – quando um
dos critérios é classificado com número 4 ou 5, os impactos para a execução são considerados
elevados (isto é, o critério é critico), pelo que, mesmo tendo o outro critério do par um valor baixo,
este artigo deve ser considerado como critico. De notar que a classificação dos artigos têm um
componente empírico que pode variar consoante os objetivos do estudo ou a pessoa que o está a
efetuar. Assim, os artigos que se encontram na zona amarela foram também considerados como
críticos, por forma a garantir resultados mais conservadores, tendo, obviamente, menos importância
comparativamente aos que se encontram na zona vermelha. De salientar que todos os resultados
foram validados no terreno com o auxílio dos supervisores do armazém e com a gestora operacional.
A título de exemplo, a leitura da matriz faz-se da seguinte forma: se um artigo tiver a classificação 21
mo primeiro bloco da matriz, significa que obtém pontuação 2 no critério volume (à esquerda) e 1 no
critério peso (acima), sendo o resultado pouco crítico do ponto de vista da execução (cor verde);
analogamente, se o artigo tiver a classificação 34 para o mesmo par de critérios, significa que obtém
37
pontuação 3 no critério volume e pontuação 4 no critério peso, sendo o resultado bastante crítico do
ponto de vista da execução (cor vermelha). A tabela 2 apresenta um excerto da classificação
efetuada.
Tabela 2. Excerto da tabela de classificação dos artigos, no fluxo Alimentar
O resultado da classificação pode ser observado nas tabelas 8.8.1 e 8.8.2 em anexo.
Constrangimentos de tempo e do próprio decorrer das operações não permitiram a classificação de
todos os artigos para os quais os tempos de execução e volumes foram recolhidos. Nesta fase, foram
classificados 244 artigos no fluxo Alimentar e 195 no fluxo Não Alimentar.
Após a classificação, constatou-se que, para todos os artigos, pelo menos uma das combinações de
critérios apresentava-se com cor vermelha ou amarela, isto é, apresentavam algum tipo de
constrangimento na execução. Não sendo possível fazer uma filtragem dos artigos por esta via,
recorreu-se aos resultados do inquérito, que apresenta o número de referências por palete como o
elemento mais critico para a execução. Assim, foram utilizadas para fins de classificação apenas as
colunas que relacionavam o critério “Número de Referências” com os restantes, eliminando-se as
demais colunas, como se pode observar como exemplo na tabela 3:
Tabela 3. Excerto da tabela de classificação dos artigos em relação ao critério número de referências, no fluxo
Alimentar
Desta forma foi possível eliminar mais um conjunto de artigos (em cada fluxo), que não apresentavam
dificuldade de execução no critério “Número de Referências”, isto é, as classificações em todos os
pares de critérios apresentavam cor verde.
De seguida, procedeu-se a uma análise mais específica a cada artigo, recorrendo-se à análise ABC
mencionada na subsecção 4.1.2. por forma a classificar cada artigo segundo a sua rotatividade em
termos de saídas anuais do armazém (para o ano móvel de fevereiro de 2013 a fevereiro de 2014),
excluindo-se os artigos de mais baixa rotatividade (ou seja, com classificação “C”).
Adicionalmente, efetuou-se uma nova análise ABC, desta vez relativamente ao tempo de execução
para cada artigo durante um ano, para se compreender quais os artigos que mais tempo
permanecem no armazém. Este cálculo foi realizado tendo em conta o rácio número de caixas/hora
Artigos Volume Vs. Peso Volume Vs. Forma Volume Vs. Fragilidade Volume Vs. #Referências
ÁGUA DE CÔCO TASFOOD LATA 31CL 34 32 31 32
ARROZ CIGALA AGULHA 1 KG 35 31 32 33
ARROZ CIGALA CAROLINO 1 KG 35 31 32 33
ARROZ CIGALA VAPORIZADO 1 KG 35 31 32 33
ArtigosVolume Vs.
#Referências
Peso Vs.
#Referências
Forma Vs.
#Referências
Fragilidade Vs.
#Referências
PÃO FORMA PINGO DOCE BRANCO 600GR 41 31 21 41
PÃO FORMA PINGO DOCE SEM CÔDEA 450 GR 41 31 21 41
EXTRA FOFOS 300 G 41 21 11 41
CÁPS DOLCE GUSTO EXPRESSO BUONDI 16 UN 24 14 14 34
38
(produtividade) para cada tipo de artigos e o volume de caixas que passaram pelo armazém durante
o ano móvel. Escolheu-se calcular a produtividade por tipologia (entenda-se tipo, como artigos com
características e UMC’s idênticas, mas de marcas diferentes) e não por artigo, por forma a obter um
resultado mais fiável ou seja próximo da realidade, uma vez que as observações existentes para cada
artigo no que respeita ao tempo de execução nem sempre poderiam ser utilizadas individualmente,
devido à sua fraca representatividade. Para que erros futuros fossem evitados, foram eliminados
nesta fase os tipos de artigos para os quais existiam duas ou menos observações.
Da mesma forma que anteriormente, excluíram-se os artigos cujo tempo de execução no armazém
fosse baixo (ou seja, com classificação “C”). Importa salientar que o tempo de execução anual para
os artigos excluídos é baixo devido ao reduzido número de caixas que passaram durante o ano pelo
armazém, e não porque a sua execução seja “fácil”- nesta fase, todos os artigos são tendencialmente
de execução difícil pois já passaram pela classificação na matriz dupla. A tabela 4 resume o
procedimento descrito:
Tabela 4. Excerto da tabela resumo das características da amostra, no fluxo Alimentar
Depois da última filtragem, chegou-se ao valor de 133 artigos tanto para o fluxo Alimentar como para
o fluxo Não Alimentar, valores acima do valor mínimo necessário para cada amostra (ver tabela 1) e
de tamanho apropriado para o propósito do estudo. A falta de alguns dados importantes para a
caracterização da amostra e para a continuação do estudo, nomeadamente dados relativos a
fornecedores ou às produtividades dos artigos, restringiram a sua dimensão face à amostra inicial.
Desta feita, a amostra final escolhida para o fluxo Alimentar é composta por 107 artigos e a amostra
escolhida para o fluxo Não Alimentar é composta por 113 artigos. Tanto o número de artigos por
amostra como o tipo de artigos que a compõe foram validados pela JM.
Importa salientar no que respeita ao tamanho e representatividade da amostra um aspeto importante.
Uma vez que não existe qualquer tipo de classificação dos artigos no que respeita a todos os critérios
aqui apresentados, torna-se impossível nesta fase determinar o tamanho real da amostra
representativa, isto é, os artigos considerados críticos do ponto de vista da execução. Devido a este
condicionante e pelos aspetos já enumerados anteriormente, o cálculo do tamanho da amostra foi
baseado no universo de artigos do fluxo Alimentar e Não Alimentar respetivamente, tal que os
valores, de 99 para o fluxo Alimentar e 98 para o Não Alimentar representam o universo dos artigos
do Grupo JM. Assim, uma vez que nem todos os artigos do Grupo são críticos (tal como foi
constatado aquando das classificações estabelecidas), o fato de considerar o tamanho da amostra
maior que o mínimo aceitável para a sua representatividade, corrobora o tamanho da amostra
Artigos
Volume
Caixas
(AM)
Tempo de execução
(AM) em horas
Rotatividade -
Volume
Rotatividade -
Tempo
TOMATE GULOSO PELADO 390GR 6042 26,7 A B
MOLHO CALVE ALHO 250ML 9961 52,2 A B
MOLHO CALVE PIMENTA VERDE 250ML 3987 20,9 B B
REFEIÇÃO NESTLÉ BORREGO/LEGUMES 250GR 8854 56,6 A B
39
considerada e, consequentemente a sua representatividade, à qual se adicionam todos os elementos
de análise na presente subsecção.
Por último, torna-se necessário caracterizar ambas as amostras, para uma melhor compreensão da
sua abrangência no universo de artigos existentes no armazém.
Tabela 5. Caracterização dos componentes das amostras
O último passo na caracterização da amostra passou por perceber qual o número de artigos cuja
produtividade é superior à produtividade média por fluxo. Esperava-se que este resultado fosse nulo,
tal como acontece no fluxo Alimentar devido às características da amostra. Contudo, no fluxo Não
Alimentar, 28% dos artigos que compõe a amostra apresentam uma produtividade superior à média.
Este facto é explicado pela diversidade dos artigos no fluxo Não Alimentar que também contribui para
uma mesma diversidade na produtividade por artigo. A tabela 5 permite resumir os dados recolhidos.
4.3. Análise dos Pedidos das Lojas Depois de clarificado o processo de recolha da amostra, serão analisados os perfis de pedido de um
conjunto de lojas escolhido para integrar o estudo. Assim sendo, em primeiro lugar far-se-á uma
breve caracterização das lojas Pingo Doce na secção 4.3.1, em segundo lugar a descrição da análise
dos pedidos na secção 4.3.2. e por último uma breve descrição da interação das lojas com o
armazém na secção 4.3.3.
4.3.1. Caracterização das Lojas
Tal como já foi apresentado no subcapítulo 2.5, em Portugal (continental e ilhas) existem 378 lojas
Pingo Doce, divididas em cinco tipologias de área. O armazém de Vila Nova da Rainha é responsável
pelo fornecimento dos artigos não perecíveis em ambiente JIT à região centro, composta por 185
lojas com a distribuição por tipologia apresentada na tabela 6:
Quantidades % Quantidades %
NºArtigos Amostra 107 113
NºArtigos Total 4776 10957
Número de Artigos com Prod.
superior à Prod. Média0 100% 32 28%
Alimentar Não Alimentar
2% 1%
Área Tipologia NºLojas
600 Micro 54
1000 Super I 190
1500 Super II 78
2000 Mega 47
Hiper Hiper 9
Tabela 6. Caracterização das lojas da região Centro
40
O gráfico 8.7.1 (em anexo) apresenta as saídas (em número de caixas e por cluster) do armazém
5407 para o período março 2013 a fevereiro 2014. A média de saídas do armazém (no mesmo
período) é de as 124.123 caixas por mês e o desvio padrão 88.309 por mês. Apesar de os Hípers
serem responsáveis pelos maiores picos de saída do armazém por loja, são as lojas de pequena
dimensão os principais clientes internos do armazém, pelo que o valor relativamente baixo da média
é compreensível (contrastando com o valor máximo de 736.156 caixas).
Curiosamente (e excluindo-se novamente os Hípers) as quantidades recebidas por cada loja variam
relativamente pouco com a tipologia. Observando novamente o gráfico 8.7.1 constata-se que algumas
lojas Micro tem um volume maior de caixas recebidas que algumas lojas Mega. Este fato pode ser
justificado pela localização relativa das lojas a outros pontos de comércio o pela “antiguidade” da loja
e respetiva retenção de clientes.
A restrição do tempo disponível para a realização do estudo dos pedidos torna pouco plausível o
estudo de todas as lojas da região centro abastecidas pelo armazém. Assim, tornou-se necessário
identificar os clusters de loja mais críticos em termos de pedidos e que fossem representativos da
atividade no armazém, optando-se pelos clusters de lojas Micro e Super I. A escolha particular de
cada loja foi feita a partir da divisão geográfica que o Grupo JM faz das lojas, denominada districts:
em discussão com o responsável pela JM foram escolhidos dois districts da região de Lisboa e
destes, escolhidas 12 lojas. As lojas foram escolhidas segundo os seguintes critérios:
A sua localização geográfica (com vista a potenciar a visita às instalações de, pelo menos, uma
das lojas).
O seu volume de vendas particularmente elevado.
O seu papel critico no que respeita à operação dos diversos armazéns do Grupo, nomeadamente
o armazém de Não Perecíveis de Vila Nova da Rainha.
A sua dimensão -lojas com uma dimensão pequena e volumes de venda acentuados são, por um
lado, um desafio do ponto de vista logístico e, por outro lado, relevantes para o presente estudo
no que respeita aos dias de pedido. Adicionalmente, as lojas de menor dimensão representam
uma maior percentagem do total de lojas Pingo Doce.
Na tabela 7 encontram-se as lojas Pingo Doce escolhidas para estudo:
41
Tabela 7. Lojas escolhidas para o estudo dos pedidos
4.3.2. Análise dos Pedidos
O estudo do perfil de pedidos das lojas surge no âmbito da melhoria operacional das atividades do
Grupo JM. A variabilidade nos pedidos propaga-se aos armazéns, tornando a operação mais
imprevisível e, consequentemente, mais difícil de planear. Este fenómeno intensificou-se com a nova
política de preços vigente desde maio de 2012, uma vez que, devido às promoções, as lojas
perderem parte da sua capacidade de previsão de vendas e esta perda traduz-se em pedidos menos
consistentes ao armazém. O armazém por sua vez, para responder aos requisitos das lojas, tornou-
se reativo aos mesmos, perdendo parte da sua eficiência operacional.
Para a proposta apresentada neste trabalho de otimização dos pedidos, o cerne da análise passa
pela melhoria das atividades no armazém. Contudo, os aspetos de funcionamento das lojas serão
tidos em consideração, umas vez que são as lojas o ponto de contacto entre o Grupo JM
(nomeadamente o Pingo Doce) e o cliente final, pelo que, qualquer proposta de melhoria operacional
deve comtemplar o benefício (ou na pior das hipóteses a manutenção) no serviço ao cliente. O tema
será retomado no ponto 4.3.1.
No que respeita à análise dos pedidos propriamente dita, foram recolhidos dados referentes ao
período de 8 de fevereiro de 2014 a 8 de março de 2014. O conjunto dos dados é composto pelos
artigos pedidos (em número de caixas), por cada loja, num determinado dia do período em estudo.
Nesta fase e ao longo de todo o estudo será mantida a divisão Alimentar/Não Alimentar, devido às
diferenças de operação e gestão de cada fluxo já apresentadas.
O estudo do perfil geral dos pedidos, para cada artigo da amostra, permitiu a constatação de dois
problemas:
A média diária de quantidades pedidas de cada artigo é baixa
Alguns artigos apresentam um elevado número de alocações diárias
Constatou-se ainda que o dia da semana com mais alocações é o domingo. Faz-se notar que o
armazém 5407 está encerrado aos domingos, pelo que o MRP não está ativo neste dia. Todavia, as
lojas têm liberdade para efetuar pedidos aos domingos (sendo estes processados na segunda-feira),
tomando estes a forma de alocações.
Cluster Area Loja Area de Venda (m2) Qtd Total Enviada
600 Av Paris 554 126.310
600 Conde Sabugosa 597 128.452
600 Benfica 415 79.454
1000 Grao Vasco 865 156.596
1000 Est. Da Luz 640 118.071
1000 Duque Avila 787 111.897
1000 Lumiar 760 119.438
1000 Joao Saraiva 875 172.208
1000 Parque Europa 900 198.924
1000 Alvalade 1000 56.646
1000 Estados Unidos Da America 748 77.486
1000 5 Outubro 725 114.134
42
O número de pedidos efetuados pelas lojas nas respetivas quantidades terá maior ou menor impacto
na atividade do armazém, consoante o dia da semana em que o fornecedor se desloca ao armazém.
A figura 9 permite recordar o funcionamento do abastecimento em JIT no armazém:
Figura 9. Abastecimento em JIT do armazém 5407
De salientar que na figura existe uma entidade omnipresente ao processo, o departamento de SC,
cuja função como já foi explicada anteriormente é a de coordenar as lojas e negociar com os
fornecedores.
Por conseguinte, torna-se importante saber em que dia da semana serão executados os artigos que
compõe a amostra, a partir de três premissas: os tempos de abastecimento dos fornecedores, as
janelas horárias dos fornecedores, e a liberdade de colocação de pedidos por parte das lojas.
Fluxo Alimentar
Os gráficos 10 a) e 10 b) mostram respetivamente a percentagem de caixas executadas por semana
no fluxo Alimentar, no período janeiro a março de 2014 e a percentagem de caixas executadas por
semana no fluxo Alimentar, para o mês móvel de fevereiro-março de 2014, para o universo da
amostra em estudo. No caso real verifica-se a existência de dois principais picos, à quarta-feira e à
sexta-feira. O fato de as promoções terem cada vez maior importância para o Grupo JM leva a que os
volumes recebidos, executados e expedidos no armazém 5407 sejam cada vez maiores. Uma vez
que o fluxo das Promoções é prioritário, por vezes existe uma reorganização da equipa para que as
UMC neste fluxo sejam executadas em primeiro lugar, levando a que as UMC recebidas nos
restantes fluxos não sejam executadas no período de tempo devido. Este fato permite explicar parte
das variações verificadas no gráfico 10 a) face à situação mais comum no armazém -
especificamente, as quintas-feiras não têm um peso tão significativo e as segundas-feiras têm maior
peso que aquele aqui apresentado, conforme localmente se constatou no dia-a-dia na operação.
Assim torna-se mais fácil compreender os desvios que existem entre os dois gráficos: na amostra
(gráfico 10 b)), a segunda-feira tem um peso maior face à realidade (gráfico 10 a)) e a quinta-feira um
peso menor; por outro lado os picos de atividade apresentam-se idênticos, isto é, à quarta-feira e à
sexta-feira; os dias de menor atividade também se mantêm terça-feira e sábado. Outro fator que
contribui para a diferença entre ambos os gráficos prende-se com o fato de o primeiro considerar um
43
período de 3 meses de observação, todos os artigos do fluxo alimentar e todas as lojas, e o segundo
apresentar um mês móvel de observação e os 107 artigos e 12 lojas que compõe a amostra. Mesmo
com os desvios já reconhecidos, pela observação dos gráficos concluiu-se (com o responsável pelo
departamento de projetos do Grupo JM) que a amostra compõe uma boa representação da realidade
atual do armazém.
Figura 10 a). Gráfico com a % de caixas executadas em média numa semana para o período Jan-Mar de 2014
no fluxo Alimentar; b). Gráfico com a % de caixas que compõe a amostra executadas em média numa semana
para o período Fev-Mar de 2014 no fluxo Alimentar
Fluxo Não Alimentar
O gráfico 11 a) apresenta a percentagem de caixas executadas numa semana no fluxo Não Alimentar
e o gráfico 11 b) a percentagem de caixas executadas numa semana para o universo da amostra em
estudo. Analogamente à análise efetuada anteriormente, verificam-se pontos comuns e pontos
distintos em ambos os gráficos. No geral, o gráfico 11 b) acompanha a tendência verificada no gráfico
11 a), com exceção da falta de representatividade de sábado e excesso de representatividade de
quarta-feira. A explicação para este fato aparenta estar relacionada com o número de artigos e lojas
que compõe a amostra. Uma vez que a amostra contempla 113 artigos de um total de 10.957 artigos,
compreende-se os pequenos desvios encontrados em ambos os gráficos, que por si não afetam a
representatividade da amostra.
Figura 11 a). Gráfico com a % de caixas executadas em média numa semana para o período Jan-Mar de 2014
no fluxo Não Alimentar; b). Gráfico com a % de caixas que compõe a amostra executadas em média numa
semana para o período Fev-Mar de 2014 no fluxo Não Alimentar
Como último ponto na análise dos fluxos, importa explicar um pouco mais a variação do número de
caixas por semana em ambos. Apesar de se ter uma sensibilidade maior no terreno para se identificar
44
os dias de maior volume de caixas (como aliás já foi mencionado para o fluxo Alimentar), a
intensidade destes dias é muito díspar de semana para semana. Esta variabilidade agravou-se a
partir da introdução da nova política de promoções do Pingo Doce, mas já existia devido a outros
fatores a montante do armazém, como por exemplo as alocações efetuadas pelo departamento
Comercial (descritas no subcapítulo 2.6). Assim, apesar de no primeiro trimestre se verificar
determinada variação de caixas por dia da semana, no final do ano de 2014, os gráficos poderão
apresentar uma configuração diferente. Não obstante, a distribuição de caixas da amostra reflete com
qualidade a realidade atual do armazém.
No presente estudo não serão tomadas em consideração qualquer tipo de alocações, contudo, a sua
existência permite evidenciar a necessidade de otimização das variáveis passiveis de serem
controladas a jusante do armazém, uma vez que se depreende que com a corrente situação de
mercado, o problema dos picos de atividade e variabilidade de volumes, tenda a aumentar.
A abordagem para a otimização dos pedidos dos artigos que compõe a amostra terá que abranger
todos os artigos e respetivas limitações, pelo que se optou pela construção de um modelo de
planeamento para a resolução do problema. Pretende-se que o resultado do modelo corresponda a
um alisamento das quantidades executadas por dia da semana no armazém e dos respetivos tempos
de execução, por forma a uniformizar a atividade no armazém e, consequentemente otimizar a gestão
dos recursos no mesmo.
Importa referir que o processo de recolha e tratamento dos dados foi substancialmente moroso. Para
garantir a qualidade dos dados recolhidos (evitando erros), foi necessário recorrer à implementação
de VBA (Visual Basic for Applications) em Excel, tornando o processo de agregação dos dados mais
eficiente. Contudo, a quantidade massiva de dados implicou tempos de processamento bastante
elevados.
4.3.3. Interação das Lojas com o Armazém
No subcapítulo 2.5 foram apresentadas as possibilidades existentes para as lojas efetuarem os
pedidos, nomeadamente ao 5407. Por forma a melhor compreender o processo, foi realizada uma
visita a uma das lojas em estudo, João Saraiva. Dos pontos mais importantes constatados, destacam-
se a escassez de espaço de armazenamento para criação de stock e a utilização da ferramenta MRP
como meio preferencial para a realização dos pedidos. Daqui, concluiu-se que o problema em estudo
neste trabalho não está necessariamente nas lojas, isto é, na equipa que é responsável pelas lojas,
mas no resultado do MRP. Para os produtos com menor rotatividade, o MRP sugere quantidades
baixas de pedido. Contudo, sugere-as diariamente e sem restrições (na maioria dos casos). Uma vez
que a política de pedidos das lojas, na sua maioria, consiste em seguir as sugestões do MRP, infere-
se que, se a sugestão de pedido é baixa, a loja irá fazer um pedido de baixas quantidades e, em
última análise, o armazém terá que executar um número reduzido de caixas. No entanto, como já foi
constatado anteriormente, este número reduzido de caixas chega ao armazém numa palete com
45
outras referências (isto é, UMC’s com outros artigos) e, consequentemente, quanto mais referências
existirem por palete, mais crítica será a sua execução.
Assim, a limitação dos dias de pedidos permite atuar a médio prazo nas previsões do MRP. Perante
pedidos mais espaçados nos dias e em maiores quantidades (o que, à partida, leva a menos
referências por palete rececionada), espera-se que as sugestões do algoritmo acompanhem as novas
tendências (sugeridas pelo resultado do presente estudo) e, no longo prazo, replicá-las de forma
eficiente tanto para a loja como para o armazém.
4.4. Conclusões do Capítulo O objetivo da análise dos pedidos das lojas, no âmbito deste trabalho, prende-se com a melhoria das
atividades operacionais do armazém de Não Perecíveis JIT. Como tal, tornou-se necessária a
escolha de uma amostra de artigos que refletisse as dificuldades da atividade de execução e que, por
conseguinte, pudesse ser estudada e otimizada por forma a aumentar os níveis de produtividade
atuais. Assim, optou-se pelo estudo dos dois fluxos operados no armazém com menor produtividade,
o fluxo Alimentar e o fluxo Não Alimentar.
A compreensão dos constrangimentos na atividade de execução apresentou-se fulcral na criação da
tabela de dificuldades e na classificação dos dados recolhidos no terreno. Os constrangimentos de
tempo e de informação resultaram num processo de filtragem e seleção dos artigos para a
composição da amostra, de onde se destaca a utilização da classificação ABC tanto ao nível da
rotatividade dos artigos, como do período de tempo em que cada artigo se encontra no armazém.
Como seria inviável o estudo de todas as lojas Pingo Doce da região centro, optou-se por um
conjunto de lojas dos clusters loja Micro e loja Super I por forma a efetuar a análise dos pedidos.
Constatou-se que as lojas de menor dimensão representam a maioria do volume de negócios da
cadeia Pingo Doce e que as mesmas apresentam-se como potencialmente mais críticas no que
respeita aos volumes de pedidos.
A análise aos pedidos centrou-se nas quantidades (em número de caixas) pedidas pelas lojas e nos
pedidos efetuados por dia da semana. Constatou-se, para a realidade da amostra considerada, que a
grande maioria dos artigos (em ambos os fluxos) eram pedidos em pequenas quantidades mas
frequentemente. Tal foi validado pelo responsável da JM. Atendendo à preocupação já mencionada
com a atividade de execução no armazém, comparou-se a dispersão percentual do volume de caixas
executadas reais por dia da semana, com os mesmos valores para o universo da amostra,
verificando-se a existência de picos de maior e menor atividade por dia da semana.
Com o objetivo de ajustar os dias de pedido à operação no armazém, será desenvolvido um modelo
de otimização, que através da alteração ou redução dos dias de pedido (e respetivas quantidades),
permita alisar os volumes e os tempos de execução diariamente.
46
5. Conceção e Aplicação do Modelo de Otimização
No presente capítulo será apresentado o modelo de otimização desenvolvido para apoiar a
otimização do ciclo de pedidos efetuados pelas lojas ao armazém 5407. No primeiro subcapítulo, 5.1.,
o problema será definido atendendo aos conceitos que lhe estão subjacentes (e que permitiram a sua
construção). No subcapítulo 5.2. será apresentado o modelo matemático, assim como serão
identificados os objetivos e constrangimentos da sua aplicação. No subcapítulo 5.3. serão
apresentados os resultados provenientes da aplicação do modelo e no seu seguimento, no
subcapítulo 5.4. será efetuada a análise de 3 cenários. No último subcapítulo, 5.5., será apresentado
um resumo da conceção e aplicação do modelo desenvolvido.
5.1. Definição do Problema A construção de um modelo para o planeamento dos pedidos advém dos problemas anteriormente
constatados no que respeita à diversidade de pedidos (em termos de dias da semana e de
quantidades) efetuados pelas lojas em estudo do Pingo Doce da região Centro. Apesar de este se
tratar de um problema real para muitas empresas do sector do Retalho, não foi encontrada na
literatura qualquer tipo de solução para o mesmo. Como tal, a solução proposta no presente trabalho
surgiu da combinação de diversos conceitos apresentados no capítulo 3, experiência no terreno que
permitiu compreender as variáveis significativas para a formulação do modelo e estudo de modelos
de otimização já existentes que serviram de “inspiração” e base de trabalho. Todas as etapas para a
construção do modelo serão apresentadas de seguida.
5.1.1. Vehicle Routing Problem (VRP)
Os VRP’s consistem numa formulação matemática com uma abordagem por algoritmos em que se
pretende criar um conjunto de rotas com um custo mínimo associado, de forma a responder à procura
dos clientes, estando esta procura sujeita a um conjunto de restrições operacionais (Zhu et. al.,
2014). Dantzig & Ramser (1959) formularam a primeira versão de VRP (a versão “clássica”, à qual
denominaram Truck Dispatching Problem) a partir de uma generalização do problema Traveling Sales
Person (TSP), cujo objetivo é a determinação da rota mínima que passa por um número n de locais,
numa só passagem.
A generalização do TSP para o problema das rotas começa com a definição de dois conjuntos: m
veículos e l clientes – em que mi veículos localizados, por exemplo num centro de distribuição, devem
distribuir quantidades discretas de produtos a li clientes. A solução do problema VRP, ilustrada na
figura 12, consiste num conjunto de rotas, que se iniciam e findam no centro de distribuição e em que
determinadas quantidades qi devem ser entregues em cada cliente li, não excedendo a capacidade
do veículo, para que cada cliente seja visitado uma vez por um único veículo (Toth e Vigo, 2002).
Assim, o objetivo do VRP passa pela minimização do custo de transporte, entre o centro de
distribuição e os clientes.
47
Figura 12. Ilustração do problema das rotas
A definição clássica do problema VRP não contempla vários problemas verificados a nível
operacional, pelo que foram desenvolvidas variantes do problema, através da adição de novas
restrições. Destacam-se os problemas de Capacitated Vehicle Routing Problem (CVRP), cuja
principal restrição é a limitação de capacidade dos veículos, ou os problemas de Vehicle Routing
Problem with Time Windows (VRPTW), cuja principal restrição é o intervalo temporal em que cada
cliente deve ser servido (Carić e Gold, 2008).
5.1.2. Adaptação do VRP ao Problema em Estudo
Recordando a figura 9 existem três entidades em foco no que respeita ao estudo dos pedidos das
lojas: o armazém (especificamente o 5407), as lojas e os fornecedores. A leitura da figura permite
compreender a relação entre as três entidades: as lojas fazem o pedido ao armazém e essa
informação é diretamente transmitida aos fornecedores, os fornecedores entregam a mercadoria no
armazém, o armazém faz a consolidação dos pedidos e, por fim, envia os produtos para as lojas.
Para um fornecedor que faça entregas ao armazém todos os dias da semana, caso não existam
constrangimentos, o tempo passado entre o pedido da loja e a sua receção não ultrapassa um dia, ou
seja, o tempo de abastecimento das lojas é de um dia. Caso o fornecedor não faça entregas todos os
dias da semana, o tempo de abastecimento será, à partida, de um dia mais a diferença entre o dia de
pedido e o dia de entrega no armazém.
No entanto, há um fator característico da operação do armazém 5407 que pode levar a que o tempo
de abastecimento das lojas seja maior/menor: as horas a que os pedidos são processados. Como já
foi anteriormente descrito, o armazém opera das 14h00 de um dia às 13h59 do dia seguinte.
Admitindo tratar-se de um fornecedor que entregue diariamente no armazém e o pedido for efetuado
pela loja antes das 14h00, o tempo de abastecimento será no mínimo de um dia. Caso o pedido seja
efetuado depois deste horário, o tempo de abastecimento será no mínimo de dois dias, podendo
variar por fornecedor, pois estamos perante um armazém que opera sem stock. Pela análise dos
dados disponíveis, constata-se que, de segunda-feira a sábado, aproximadamente 90% dos pedidos
são efetuados até às 14h00 e os restantes são processados sob a forma de alocações.
48
A variabilidade dos tempos de abastecimento (principalmente influenciada pela hora a que as lojas
efetuam os pedidos) aumenta a complexidade da formulação e compreensão do problema, pelo que,
não serão levados em conta aquando da sua formulação matemática. Todavia, dada a sua
importância na operação do armazém e nas atividades em loja, os tempos de abastecimento serão
retomados na fase de análise dos resultados obtidos pela aplicação do modelo. De salientar que, pelo
facto de os tempos de abastecimento não serem considerados nesta fase, não implica que não sejam
considerados os dias de entrega no armazém por fornecedor. Pelo contrário, os dias de entrega
serão considerados, uma vez que influenciam diretamente o nível de intensidade da atividade de
execução no armazém.
Assim, da eliminação dos tempos de abastecimento entre as entidades (e dos fluxos menos
relevantes para a análise do problema), resulta um esquema de interação ilustrado na figura 13:
Figura 13. Primeira simplificação para o abastecimento em JIT do armazém 5407
Ir-se-á considerar, para efeitos de modelação, que o dia em que a loja efetua o pedido
(independentemente da hora) é o dia em que o fornecedor entrega no armazém, pelo que será o dia
em que os artigos pedidos pela loja serão executados. O objetivo do modelo consiste em reduzir a
diferença do volume de caixas executadas por dia da semana, para que a atividade seja mais
equilibrada (isto é, pretende-se que o volume médio de caixas executadas no armazém seja mais
constante ao longo da semana). Consequentemente, e porque os dias de entrega dos fornecedores
no armazém são fixados não pelos gestores operacionais do armazém mas pelo departamento de
SC, será o controlo dos dias de pedido que permitirá otimizar a atividade de execução no armazém.
Na simplificação apresentada do processo de pedidos, os fornecedores são considerados
indiretamente, através do seu dia de entrega no armazém, pelo que esta simplificação se manterá
também na modelação do problema. Este tópico será novamente abordado no ponto 5.2.1.
Desta forma, o modelo a desenvolver irá centrar-se no fluxo apresentado na figura 14, o qual
corresponde ao pedido efetuado pelas lojas, de um artigo, num determinado dia da semana e no qual
serão aplicados os conceitos inerentes ao VRP apresentados no ponto anterior:
49
Figura 14. Segunda simplificação para o abastecimento em JIT do armazém 5407
A utilização dos conceitos aplicados ao VRP tornou-se particularmente útil, uma vez que se pretende
estudar o fluxo oposto ao modelado nos problemas de routing. Neste último modela-se o fluxo entre o
armazém e as lojas e no presente trabalho pretende-se modelar o fluxo entre as lojas e o armazém,
com a diferença de se tratar não de um fluxo físico (distância percorrida por veículos), mas de um
fluxo intangível (de informação). As restrições subjacentes ao modelo (e mais uma vez “inspiradas”
no problema de VRP) serão explicadas adiante.
5.2. Modelo de Otimização No presente subcapítulo será apresentado o modelo de planeamento que irá suportar o estudo dos
pedidos das lojas. Em primeiro lugar será efetuada uma breve descrição do modelo e respetivos
pressupostos definidos, de seguida será apresentada a formulação matemática do mesmo, os dados
de entrada utilizados e, finalmente, serão nomeados os aspetos operacionais que podem condicionar
a aplicabilidade do modelo.
5.2.1. Descrição e Pressupostos do Modelo
Como já foi apresentado na secção 5.1.2., o modelo matemático desenvolvido utiliza algumas
simplificações da realidade em que as lojas efetuam os pedidos dos artigos ao armazém 5407.
O modelo contempla três entidades distintas, as lojas, o armazém e os fornecedores. As três
entidades encontram-se ligadas através de dois fluxos de informação (relativamente às quantidades
pedidas pelas lojas e às quantidades entregues pelos fornecedores). Uma vez que o foco da análise
do problema se centra no armazém e na intensidade da atividade do mesmo, todos os pressupostos
serão tomados no sentido de facilitar a análise e melhoria da operação no armazém.
O objetivo do modelo consiste em saber em que dias devem ser executados os artigos em estudo,
para que a atividade de execução seja o mais constante possível ao longo dos dias da semana. Tal
como foi identificado anteriormente, os tempos de abastecimento entre as lojas, o armazém e os
fornecedores, são muito variáveis. Podem depender do dia e hora a que a loja faz o pedido, bem
como dos dias em que os fornecedores entregam no armazém. Para efeitos do modelo, não serão
tomados em consideração estes tempos de abastecimento. Mas, tal como foi concluído na secção
5.1.2., dada a sua relevância no presente estudo, os tempos de abastecimento serão retomados
aquando da análise de resultados, de modo a compreender em que dia efetivamente deve a loja
efetuar o pedido, por forma a que este se encontre no dia da semana determinado pelo modelo.
Assim, o dia em que a loja efetue o pedido, será aquele em que as quantidades estarão disponíveis
no armazém e serão executadas.
50
Não sendo considerado o tempo de abastecimento existente entre a chegada da informação com o
pedido e a deslocação ao armazém, a entidade fornecedor será considerada indiretamente, através
da inclusão dos dias em que o fornecedor entrega no armazém, com o intuito de garantir que um
artigo só se encontra no armazém, nos dias em que o fornecedor faz efetivamente entregas no
armazém.
A modelação do problema terá como base a estrutura apresentada anteriormente: as lojas farão
pedidos numa determinada quantidade, num dia específico da semana, estando os artigos
virtualmente presentes no armazém no mesmo dia em que são pedidos, de forma a serem
executados.
Para efeitos de simplificação, considera-se que as UMC’s dos artigos em estudo são idênticas em
termos de peso, tamanho, forma e fragilidade, uma vez que estes critérios de dificuldade de execução
já foram considerados aquando da escolha da amostra. Ademais, o critério em foco no
desenvolvimento do estudo é o número de referências por palete, critério este que se espera atenuar
com o resultado do modelo. Outra das preocupações que leva à utilização deste pressuposto prende-
se com o objetivo de se criar um modelo genérico que possa ser utilizado noutro armazém, pelo que
as características dos artigos devem ser consideradas na seleção da amostra e não no modelo.
Anteriormente referiu-se que as lojas podem efetuar pedidos todos os dias da semana. Contudo, o
armazém está oficialmente encerrado ao domingo. Pela análise dos pedidos das lojas constata-se
que o fato de as lojas poderem fazer pedidos ao domingo estando o armazém encerrado, confere
maior variabilidade no número de caixas que chegam diariamente ao armazém e influência o número
de pedidos à segunda-feira, resultando estes em números muito elevados ou muito baixos.
Adicionalmente, apesar de não existir processamento dos pedidos uma vez que o armazém se
encontra encerrado, não existe a preocupação em efetuar o pedido antes das 14h00, verificando-se
que aproximadamente 50% dos pedidos aos domingos são realizados antes das 14h00 e os
restantes depois das 14h00, contribuindo mais uma vez para o aumento da variabilidade do volume
de caixas diário no armazém. Desta forma, o modelo não irá considerar a possibilidade das lojas
fazerem pedidos ao domingo, tendo as lojas os restantes seis dias da semana para os efetuar.
Para uniformizar o volume de caixas diário no armazém, foi criado um parâmetro denominado
capacidade (cap e cap2 apresentado de seguida), com a função de representar o número de caixas e
minutos disponíveis para execução diariamente. Na realidade, a capacidade do armazém não surge
como um constrangimento para a amostra, dada a sua dimensão. Contudo, para que se compreenda
quais os dias de maior atividade e, para efeitos de teste do modelo, o parâmetro foi criado para limitar
o número de caixas e minutos disponível em cada dia. Deste modo, nos dias de maior intensidade,
não será possível a loja efetuar um pedido, adiando esse pedido para um dia de menor volume de
atividade. O fator capacidade surge portanto como condicionante da atividade. Este condicionamento
existe todavia na realidade, não necessariamente sob a forma de número de caixas ou minutos
51
máximo no armazém, mas no que respeita ao número de operadores disponíveis diariamente no
armazém.
Em suma, o problema pode ser resumido segundo:
Dados disponíveis
Conjunto de lojas e artigos que compõe uma amostra representativa do universo das lojas Pingo
Doce e do sortido de artigos do rupo JM.
Dias da semana disponíveis para as lojas efetuarem pedidos.
Dias de pedido dos artigos em estudo, efetuados pelas lojas em estudo.
Tempos de execução dos artigos em estudo.
Procura das lojas, em número de caixas, do total de artigos em estudo.
Quantidades, em número de caixas, procuradas de cada artigo.
Quantidades, em número de caixas, procuradas por cada loja, de cada artigo.
Stock (espaço) disponível em loja, em número de caixas.
Capacidade, em número de caixas, por dia da semana no armazém.
Dias de entregas efetuadas pelos fornecedores de cada artigo, por dia da semana.
De notar que as quantidades mencionadas são quantidades médias em número de caixas verificadas
numa semana, para o período janeiro-março de 2014.
Determinar
Dias de maior atividade no armazém (situação atual).
Valor mínimo do desvio entre a média do número de caixas executadas numa semana e o
número diário de caixas executadas.
Valor mínimo do desvio entre a média de minutos utilizados para a execução dos artigos numa
semana e o número diário de minutos utilizados na execução dos artigos.
Efeito da limitação de dias de pedido para determinados artigos.
Dias em que cada artigo deve ser executado no armazém (e com este resultado, determinar os
dias em que as lojas devem efetuar os pedidos de cada artigo).
De forma a uniformizar o volume de caixas diário no armazém e o tempo de execução necessário
para, consequentemente, agilizar a operação no armazém.
5.2.2. Formulação Matemática do Modelo
A formulação matemática do modelo será apresentada, definindo-se previamente os índices,
conjuntos, parâmetros e variáveis do modelo.
52
Índices
Para a definição dos conjuntos serão utilizados no modelo três índices:
l, lojas
a, artigos
d, dias da semana (dias de planeamento)
Conjuntos
Para a modelação do problema, serão considerados três conjuntos, a partir dos quais será criada a
função objetivo e respetivas restrições:
l ∈ L , conjunto das lojas
a ∈ A, conjunto dos artigos
d ∈ D, conjunto dos dias da semana (dias de planeamento)
Parâmetros
capd, capacidade disponível no armazém, por dia da semana d em número de caixas
procl, procura da loja l, em número de caixas
stockl, stock mínimo (espaço) disponível na loja l, em número de caixas
quantidadesal, quantidades (em número de caixas) pedidas pela loja l, de cada artigo a
leadtimead, ocorrência de entregas efetuadas pelos fornecedor do artigo a no dia da semana d (se
o artigo a é entregue no dia d, leadtimead apresenta valor 1, caso contrário 0 – ver tabelas 8.9.5 e
8.9.14 em anexo)
cap2d, capacidade disponível no armazém, por dia da semana d em número de minutos
tempa, tempo de execução por artigo a
stempa, soma do tempo de execução por artigo a
medPd média de caixas executadas, por dia da semana d
medTd média de minutos de execução, por dia da semana d
mval, valor definido para a aplicação do método do Big M
n, número máximo admissível de dias de pedido para o artigo a, efetuado pela loja l no dia da semana d.
Variáveis
Variáveis Não Negativas:
53
qald , quantidade pedida do artigo a, pela loja l no dia da semana d
tald , minutos de execução do artigo a, pela loja l no dia da semana d
vmaisq, diferença entre a soma das quantidades de pedido no dia da semana d e a média das
quantidades pedidas numa semana (desvio superior)
vmenosq, diferença entre a média das quantidades pedidas numa semana e a soma das
quantidades de pedido no dia da semana d (desvio inferior)
vmaist, diferença entre a soma dos minutos de execução dos artigos executados no dia da
semana d e a média dos minutos de execução dos artigos numa semana (desvio superior)
vmaist, diferença entre a média dos minutos de execução dos artigos numa semana e a soma
dos minutos de execução dos artigos executados no dia da semana d (desvio inferior)
Variável Binária:
pald , variável que toma o valor 1 se o artigo a for pedido pela loja l no dia da semana d e assume
valor 0 caso contrário
Funções Objetivo
O objetivo do modelo, tal como foi referido anteriormente, passa por alisar a intensidade da atividade
de execução no armazém, por forma a minimizar os picos de atividade por dia da semana.
Matematicamente, pretende-se então minimizar o desvio existente, entre o volume de caixas a
executar por dia e a média de caixas executadas por semana. Por outro lado importa ainda minimizar
o desvio existente, entre o tempo de execução diário (em minutos) e o tempo médio de execução
numa semana. O modelo considera então duas funções objetivo. A função zq, através da soma das
variáveis vmaisq (desvio superior em relação à média) e vmenosq (desvio inferior em relação à
média) permite o cálculo do desvio em relação às quantidades (em número de caixas). E a função zt,
através da soma das variáveis vmaist (desvio superior em relação à média) e vmenost (desvio inferior
em relação à média) permite o calculo do desvio em relação aos minutos de execução. Cada função
é executada de forma independente.
min 𝑧𝑞 = 𝑣𝑚𝑎𝑖𝑠𝑞 + 𝑣𝑚𝑒𝑛𝑜𝑠𝑞 (5.1)
min 𝑧𝑡 = 𝑣𝑚𝑎𝑖𝑠𝑡 + 𝑣𝑚𝑒𝑛𝑜𝑠𝑡 (5.2)
Restrições
Cada função objetivo está sujeita a um conjunto de restrições apresentadas de seguida:
∑ ∑ (𝑞𝑎𝑙𝑑𝑙𝑎 ∗ 𝑙𝑒𝑎𝑑𝑡𝑖𝑚𝑒𝑎𝑑) ≤ 𝑐𝑎𝑝𝑑 ∀𝑑 (5.3)
A restrição (5.3) impõe que a soma das quantidades pedidas pelas lojas l de todos os artigos a não
pode ultrapassar a capacidade do armazém em cada dia da semana d.
∑ (𝑞𝑎𝑙𝑑 ∗ 𝑙𝑒𝑎𝑑𝑡𝑖𝑚𝑒𝑎𝑑)𝑑 = 𝑞𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒𝑠𝑎𝑙 ∀𝑎 ⋀ ∀𝑙 (5.4)
54
A restrição (5.4) garante que a soma das quantidades pedidas pelas lojas l dos artigos a é igual à
procura das lojas l para cada artigo a.
∑ (𝑞𝑎𝑙𝑑 ∗ 𝑙𝑒𝑎𝑑𝑡𝑖𝑚𝑒𝑎𝑑)𝑎 ≤ 𝑠𝑡𝑜𝑐𝑘𝑙𝑑 ∀𝑙 ⋀ ∀𝑑 (5.5)
A restrição (5.5) impõe que a quantidade pedida pelas lojas l de cada artigo a não possa ultrapassar o
espaço disponível em loja (em número de caixas) para a sua armazenagem.
𝑝𝑎𝑙𝑑 = 𝑝𝑎𝑙+1𝑑∀𝑎 ⋀ ∀𝑑 ⋀ ∀𝑙 (5.6)
A equação (5.6) permite garantir que cada artigo a será pedido sempre no mesmo dia da semana d,
para qualquer loja l.
𝑣𝑚𝑎𝑖𝑠𝑞 ≥ ∑ ∑ (𝑞𝑎𝑙𝑑 ∗ 𝑙𝑒𝑎𝑑𝑡𝑖𝑚𝑒𝑎𝑑) − 𝑚𝑒𝑑𝑃𝑑𝑙𝑎 ∀𝑑 (5.7)
𝑣𝑚𝑒𝑛𝑜𝑠𝑞 ≥ 𝑚𝑒𝑑𝑃𝑑 − ∑ ∑ (𝑞𝑎𝑙𝑑 ∗ 𝑙𝑒𝑎𝑑𝑡𝑖𝑚𝑒𝑎𝑑)𝑙𝑎 ∀𝑑 (5.8)
A inequação (5.7) permite à variável vmaisq, guardar a diferença entre o somatório da quantidade de
artigo a pedida pela loja l em cada dia da semana d, e o valor médio das quantidades de caixas
executadas numa semana, resultando no desvio superior à média. Analogamente, a inequação (5.8)
permite à variável vmenosq guardar a diferença entre o valor médio das quantidades de caixas
executadas numa semana e o somatório da quantidade de artigo a pedida pela loja l em cada dia da
semana d, resultando no desvio inferior à média.
𝑡𝑎𝑙𝑑 = 𝑞𝑎𝑙𝑑 ∗ 𝑙𝑒𝑎𝑑𝑡𝑖𝑚𝑒𝑎𝑑 ∗ 𝑡𝑒𝑚𝑝𝑎 ∀𝑎 ⋀ ∀𝑙 ⋀ ∀𝑑 (5.9)
A equação (5.9) permite relacionar a variável t (tempos de execução dos artigos) com a variável q
(quantidades executadas dos artigos), tal que t apresente o tempo de execução para a quantidade
processada de artigo a, pedido pela loja l no dia d.
∑ ∑ (𝑡𝑎𝑙𝑑𝑙𝑎 ) ≤ 𝑐𝑎𝑝2𝑑 ∀𝑑 (5.10)
A restrição (5.10), analogamente à restrição (5.3) impõe que a soma dos tempos de execução do
artigo a pedido pela loja l não pode ultrapassar a capacidade do armazém (em minutos) em cada dia
da semana d.
∑ ∑ (𝑡𝑎𝑙𝑑𝑑𝑙 ) = 𝑠𝑡𝑒𝑚𝑝𝑎 ∀𝑎 (5.11)
A restrição (5.11) garante que a soma dos tempos de execução do artigo a, pedido pela loja l no dia d
é igual à soma dos tempos de execução para cada artigo a.
𝑣𝑚𝑎𝑖𝑠𝑡 ≥ ∑ ∑ (𝑡𝑎𝑙𝑑) − 𝑚𝑒𝑑𝑇𝑑𝑙𝑎 ∀𝑑 (5.12)
𝑣𝑚𝑒𝑛𝑜𝑠𝑡 ≥ 𝑚𝑒𝑑𝑇𝑑 − ∑ ∑ (𝑡𝑎𝑙𝑑)𝑙𝑎 ∀𝑑 (5.13)
55
A inequação (5.12) permite à variável vmaist guardar a diferença entre o somatório do tempo de
execução do artigo a pedido pela loja l em cada dia da semana d, e o valor médio dos tempos de
execução numa semana, resultando no desvio superior à média. A inequação (5.13) permite à
variável vmenost guardar a diferença entre o valor médio dos tempos de execução numa semana e o
somatório do tempo de execução do artigo a pedido pela loja l em cada dia da semana d resultando
no desvio inferior à média.
Adicionalmente foram utilizadas as seguintes restrições auxiliares:
𝑞𝑎𝑙𝑑 ∗ 𝑙𝑒𝑎𝑑𝑡𝑖𝑚𝑒𝑎𝑑 − 𝑚𝑣𝑎𝑙 ∗ 𝑝𝑎𝑙𝑑 ≤ 0 ∀𝑎 ⋀ ∀𝑙 ⋀ ∀𝑑 (5.14)
𝑝𝑎𝑙𝑑 ≤ 𝑞𝑎𝑙𝑑 ∗ 𝑙𝑒𝑎𝑑𝑡𝑖𝑚𝑒𝑎𝑑 ∀𝑎 ⋀ ∀𝑙 ⋀ ∀𝑑 (5.15)
Ambas as restrições (5.14) e (5.15) resultam da aplicação do método Big M (através de mval) com o
objetivo de transformar a variável inteira 𝑞𝑎𝑙𝑑 no fluxo binário 𝑝𝑎𝑙𝑑.
∑ 𝑝𝑎𝑙𝑑 ≤ 𝑛𝑑 ∀𝑎 ⋀ ∀𝑙 (5.16)
A restrição (5.16) permite limitar os dias de pedido, sendo n o número de dias de pedido admissível
numa semana, para determinado artigo.
5.2.3. Dados de Input do Modelo
Na secção anterior foram referidos os parâmetros utilizados no modelo. Estes correspondem a
tabelas de dados que serão apresentadas de seguida.
Em primeiro lugar, os artigos e lojas considerados no estudo são aqueles que foram apresentados
anteriormente. Tal como na recolha e tratamento de dados, os fluxos Alimentar e Não Alimentar serão
considerados em separado. Assim, o total de artigos no fluxo Alimentar contabiliza 107 e no Não
Alimentar 113, as lojas em estudo são 12 e os dias da semana (de segunda-feira a sábado) são 6.
As quantidades consideradas no parâmetro quantidadesal são apresentadas nas tabelas 8.9.4 para o
fluxo Alimentar e 8.9.13 para o fluxo Não Alimentar em anexo. Através dos dados relativos ao mês
móvel de fevereiro a março de 2014, calcularam-se os valores médios para o período de uma
semana.
O parâmetro leadtimead diz respeito à ocorrência de entregas de cada fornecedor por dia da semana
ao armazém 5407. Nas tabelas 8.9.5 e 8.9.14 em anexo, as visitas dos fornecedores ao armazém
são identificadas com o valor 1 e 0 nos dias em que os fornecedores fazem ou não entregas no
armazém respetivamente.
O fator capd mencionado aquando dos pressupostos utilizados no modelo foi calculado com base na
distribuição percentual de caixas executadas, apresentada nos gráficos 10 b) para o fluxo Alimentar e
11 b) para o fluxo Não Alimentar. Assim, considerou-se a capacidade igual para todos os dias da
semana, utilizando-se como referência o dia em que a percentagem de caixas executadas é maior. O
56
valor da capacidade será para todos os dias de 739 no fluxo Alimentar, tal como se pode observar na
tabela 8.9.1 em anexo e de 267 no fluxo Não Alimentar, tal como se pode observar na tabela 8.9.10
em anexo. Optou-se no modelo por se considerar a capacidade em função do dia para o fator poder
ser utilizado de forma mais genérica se tal for o objetivo.
O parâmetro stockl apresentado nas tabelas 8.9.3 e 8.9.12 em anexo para respetivamente o fluxo
Alimentar e Não Alimentar, foi calculado a partir da capacidade de armazenamento que cada loja
possuí, em número de paletes. Uma vez que os dados no modelo figuram em termos de caixas e não
paletes, torna-se necessário fazer a correspondência. Desta forma, assume-se que uma palete
equivale a 46 caixas e que 1 skate equivale a 23 caixas. De seguida, calculou-se um valor mínimo
para o stock disponível em loja (tendo por base o número de caixas da amostra) para tornar este
valor mais próximo da realidade.
Os parâmetros tempa e stempa, apresentados nas tabela 8.9.6 e tabela 8.9.7 para o fluxo Alimentar e
tabela 8.9.15 e tabela 8.9.16 para o fluxo Não Alimentar em anexo, resultam da recolha de dados
explicitada no capítulo 4. Os tempos considerados no parâmetro tempa referem-se aos tempos de
execução de uma caixa do artigo a em (em minutos) e os tempos considerados no parâmetro stempa,
à soma dos tempos de execução de todas as caixas pedidas do artigo a.
O fator cap2d, referente ao número de minutos disponíveis para a execução no armazém, foi
calculado da mesma forma que o seu homólogo para o número de caixas, considerando-se a
capacidade igual para todos os dias da semana e utilizando-se como referência o dia em que a
percentagem de minutos de execução é maior. O valor da capacidade em termos de minutos será
para todos os dias de 276 no fluxo Alimentar, tal como se pode observar na tabela 8.9.8 em anexo e
de 94 no fluxo Não Alimentar, tal como se pode observar na tabela 8.9.17em anexo.
Finalmente, os parâmetros medPd e medTd representam respetivamente e para o universo da
amostra o número médio de caixas executadas por semana e o tempo de execução (em minutos)
médio por semana, em que medP=589 e medT=219,85 para o fluxo Alimentar e medP=177 e
medT=74,5 para o fluxo Não Alimentar.
5.3. Aplicação do Modelo ao Caso de Estudo De seguida serão apresentados os resultados provenientes da aplicação do modelo ao caso de
estudo. Por forma a facilitar a leitura do documento, deste ponto em diante será feita a separação da
análise do fluxo Alimentar na secção 5.3.1, e do fluxo não alimentar na secção 5.3.2.
5.3.1. Fluxo Alimentar
Nesta secção será efetuada em primeiro lugar na subsecção 5.3.1.1. uma breve contextualização da
situação inicial da atividade no fluxo Alimentar no armazém, para depois ser possível a análise e
posterior comparação dos resultados com o cenário base, feita na subsecção 5.3.1.2.
57
5.3.1.1. Situação Inicial
Atualmente no armazém 5407, os picos de atividade são díspares durante uma semana de trabalho.
Para a realidade da amostra no fluxo Alimentar, destacam-se os dias de segunda-feira, quarta-feira e
sexta-feira como aqueles em que o volume de artigos no armazém é superior. No gráfico da figura 15
estão explícitas as distribuições percentuais de caixas executadas e de minutos de execução em
média numa semana no armazém, para o mês móvel de fevereiro a março de 2014.
Figura 15. Gráfico com a distribuição % de caixas e minutos para a situação inicial no fluxo Alimentar
Observa-se uma disparidade no número de caixas executadas por dia da semana, bem como de
minutos de execução, para um total de 3.534 caixas e 1.319,01 minutos.
Na tabela 8.10.1 em anexo, encontra-se a dispersão dos artigos em estudo pelos dias da semana.
Daqui, verifica-se que a grande maioria dos artigos em estudo passam todos os dias pelo armazém,
isto é, são pedidos pelas lojas todos os dias da semana, e que o número médio de dias de pedido
efetuados para os artigos em estudo é de aproximadamente 5, ou seja, em média todos os
artigos são pedidos 5 dias por semana.
Para se compreender melhor os efeitos que a aplicação do modelo pode ter na atividade do
armazém, é importante perceber de que forma os valores apresentados anteriormente impactam a
operação.
Como tal, efetuaram-se dois cálculos que, por comparação, serão utilizados para justificar as
eventuais melhorias proporcionadas pelo modelo:
O primeiro diz respeito ao número médio de pedidos por artigo efetuados numa semana, ou seja,
em quantos dias é, em média, pedido pelas lojas um artigo. Na situação inicial, este valor é de
aproximadamente 5 dias.
O segundo cálculo prende-se com o número teórico de colaboradores necessários para a
execução em cada fluxo. Esse cálculo será efetuado a partir de alguns prossupostos: em primeiro
lugar foram recolhidos os dados médios para uma semana no período de Janeiro a Março de
2014, no que respeita ao número de caixas e de minutos de execução tanto no fluxo Alimentar
como no Não Alimentar; com a ajuda do responsável pelo departamento de novos projetos do
20,91%12,99% 19,72% 16,13%
20,57%9,68%
21,04%12,82% 19,05% 18,08% 19,55% 9,46%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Situação Inicial
% Caixas % Minutos
58
grupo JM, estimou-se que o universo de artigos críticos no armazém 5407, tanto no fluxo
Alimentar como no Não Alimentar representam 20% do volume total de artigos, pelo que esta
percentagem foi aplicada aos valores médios semanais obtidos anteriormente; com o valor das
produtividades de ambas as amostras e admitindo que do total de horas de trabalho diárias,
6horas são efetivamente produtivas, efetuou-se o cálculo de operadores necessários.
Na tabela 8 observam-se os resultados para o fluxo alimentar, a partir de uma produtividade média de
167 caixas/hora:
Tabela 8. Número teórico de FTE's necessário para a execução dos artigos críticos no fluxo Alimentar
De salientar que o objetivo é a redução do valor máximo de colaboradores (FTE’s) por dia da
semana. Isto porque a política de contratações para os armazéns considera que o número de
colaboradores a contratar será igual ao número máximo de colaboradores identificado por dia da
semana. Assim, através da proporção simples entre a variação percentual diária de horas de
execução, concluiu-se que, para a situação inicial, o número máximo de colaboradores é 8, tal como
se observar na tabela 9.
Tabela 9. Número de FTE's necessário para a execução dos artigos críticos que compõe a amostra no fluxo
Alimentar
5.3.1.2. Cenário Base - Análise de Resultados & Consequências Operacionais
Antes de se proceder à análise dos resultados resultantes da aplicação do modelo ao caso de estudo,
importa referir o método de aplicação do mesmo. Por se tratar de um modelo com duas funções
objetivo e por não se conseguir fazer a sua minimização simultânea, optou-se por se minimizar uma
das funções em primeiro lugar e, com este valor fixo no seu mínimo, minimizar a segunda função.
Tornou-se portanto importante definir por que ordem seriam as funções minimizadas e, para tal,
correu-se o modelo minimizando em primeiro lugar zq, registando-se o resultado de zt e, da mesma
forma, minimizando em primeiro lugar zt, registando-se o resultado de zq. Ambos os resultados são
apresentados na tabela 10:
Dia da Semana Nº médio caixas Horas %Horas Nº FTE
Segunda-feira 5.785 34,6 16,3% 6
Terça-feira 5.547 33,2 15,6% 6
Quarta-feira 7.144 42,8 20,1% 8
Quinta-feira 6.047 36,2 17,0% 7
Sexta-feira 6.018 36,0 17,0% 7
Sábado 4.935 29,5 13,9% 5
FTE's - valores médios por semana no período de Jan-
Mar 2014 para artigos críticos
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Max
8 5 8 8 9 4 9
FTE - Situação Inicial
59
Tabela 10. Processo de escolha para a ordem de minimização das funções objetivo no fluxo Alimentar
Min zq Min zt
Min zq-zt 0 43,392 Min zt-zq 200 0,016097 Desvio zq 200 - Desvio zt - 43,375903
Uma vez que o principal objetivo do Grupo JM com a proposta de realização de um estudo aos
pedidos das lojas se prende com a disparidade dos pedidos que, consequentemente, gera diferenças
consideráveis nos volumes diários de caixas no armazém, e como pela tabela 10 se verifica um maior
desvio em zq que em zt, optou-se por em primeiro lugar fazer a minimização de zq e, com este valor
fixo no seu mínimo, calcular o valor correspondente de zt. Este método será adotado desta fase em
diante.
Como cenário base, consideram-se todas as equações descritas anteriormente, com exceção da
inequação 5.16 que limita os dias de pedido.
Os resultados provenientes da aplicação do modelo encontram-se no gráfico da figura 16 e tabela 11:
Figura 16. Gráfico com a distribuição % de caixas e minutos para o cenário base no fluxo Alimentar
Tabela 11. Resultados computacionais da aplicação do modelo ao cenário base no fluxo Alimentar
Desta forma, por dia da semana, são executadas 589 caixas, em aproximadamente 219 minutos.
Pelo fato de se considerar zq=0, o valor de zt apresenta-se menor em relação ao encontrado na
tabela 10, uma vez que o gap entre esta solução e a solução ótima também diminui. A validade deste
resultado não é questionável, uma vez que a variação relativa entre ambos os resultados é de
aproximadamente 0,8%, valor que está coberto pelo gap absoluto de 1,59% encontrado para zt. As
16,67% 16,67% 16,67% 16,67% 16,67% 16,67%16,67% 16,67% 16,67% 16,67% 16,67% 16,67%
SEGUNDA-FEIRA TERÇA-FEIRA QUARTA-FEIRA QUINTA-FEIRA SEXTA-FEIRA SÁBADO
Cenário Base
% Caixas % Minutos
z Desvio sup. Desvio inf. Gap Tempo Nº Restrições Nº Variáveis
zq 0 0 0 0 10s 27.537 22.278
zt 0,015966 0 0,015966 0,091355 7min18seg 27.537 22.278
Cenário Base
60
rubricas “desvio sup.” e “desvio inf.” representam respetivamente o desvio superior em relação à
média e o desvio inferior em relação à média (ie, vmaiq, vmaist, vmenosq e vmenost respetivamente).
Desta forma, o modelo permite encontrar uma solução real para o problema, pelo que resulta um
desvio nulo em termos de quantidades e um valor mínimo de desvio no tempo de execução,
alcançando-se os dois objetivos propostos.
Depois de analisados os resultados provenientes do modelo, há que compreender de que forma
podem estes resultar em mais-valias para o armazém 5407. Como tal, consideram-se três os
objetivos a alcançar: em primeiro lugar o alisamento da atividade de execução (através dos valores
de zq e zt), em segundo lugar a diferença verificada no número médio de pedidos por artigo e por
semana e em último lugar a redução teórica possível em número de colaboradores.
Pela análise efetuada anteriormente, compreende-se o sucesso da aplicação do modelo para o
primeiro objetivo, isto é, o alisamento dos desvios entre o número de caixas e o número de minutos
de execução em relação aos respetivos valores médios numa semana: zq=0 caixas e zt=0,016
minutos.
No que respeita ao número de pedidos, na situação inicial verifica-se um número médio de pedidos
por artigo numa semana de aproximadamente 5 dias. A aplicação do modelo para o cenário base
permite obter um número médio de pedidos por artigo de 1,3 por semana.
Para calcular a otimização de colaboradores efetuou-se uma proporção entre os valores
apresentados na tabela 8 e os valores resultantes da aplicação do modelo verificados na tabela 12.
Assim, o cenário base permite uma redução teórica de 2 colaboradores, face à situação inicial.
Tabela 12. Resultados operacionais da aplicação do modelo ao cenário base no fluxo Alimentar
5.3.2. Fluxo Não Alimentar
Nesta secção será efetuada em primeiro lugar na subsecção 5.3.2.1. uma breve contextualização da
situação inicial da atividade no fluxo Não Alimentar no armazém, para depois ser possível a análise e
posterior comparação dos resultados com o cenário base, na subsecção 5.3.2.2.
5.3.2.1.Situação Inicial
Para a realidade da amostra no fluxo Não Alimentar, destacam-se os dias de segunda-feira e quinta-
feira como aqueles em que o volume de artigos no armazém é superior, tendo os dias de terça-feira e
sexta-feira volumes variáveis e os restantes um volume tipicamente baixo No gráfico 17 estão
explicitas as distribuições percentuais de caixas executadas e de minutos de execução em média
numa semana no armazém, para o mês móvel de Fevereiro a Março de 2014.
Cenários zq zt
Dias de pedido médios
por artigo numa semana
Redução % face à
situação inicial
Máximo de
FTE's necessário
Redução % face à
situação inicial
Situação Inicial - - 4,67 - 9 -
Cenário Base 0 0,015966 1,27 72,8% 7 22%
61
Figura17. Gráfico com a distribuição % de caixas e minutos para a situação inicial no fluxo Não Alimentar
No total dos elementos em estudo, 1061 caixas e 447 minutos, mais uma vez, observa-se uma
disparidade no número de caixas executadas por dia da semana, bem como de minutos de execução.
Contudo, o número de dias de pedido médio por artigo, 4 dias, é inferior ao encontrado no fluxo
Alimentar, uma vez que, tipicamente, o número de pedidos no fluxo Não Alimentar é inferior ao
número de pedidos no fluxo Alimentar, bem como as quantidades pedidas.
Por forma a se compreender os efeitos que a aplicação do modelo pode ter na atividade do armazém,
os cálculos efetuados no que respeita ao número médio de pedidos por artigo efetuados numa
semana e ao número de operadores necessários para a execução foram idênticos aos já
apresentados na subsecção 5.3.1.1. Assim, na situação inicial, o número médio de dias de pedido é
de aproximadamente 4 no fluxo Não Alimentar, como já foi referido, e no que respeita ao cálculo
teórico de operadores no fluxo Não Alimentar, esse valor é de 4FTE’s. Na tabela 13 observam-se os
resultados para o fluxo Não Alimentar, a partir de uma produtividade média de 157 caixas/hora:
Tabela 13. Número teórico de FTE's necessário para a execução dos artigos críticos no fluxo Não Alimentar
E seguindo o mesmo cálculo de proporção simples entre a percentagem de horas de execução por
dias da semana, conclui-se pela tabela 14 que o número máximo de colaboradores no fluxo Não
Alimentar para a situação inicial é de 5 colaboradores.
25,16%
14,42% 13,38%
20,64% 18,47%
7,92%
26,03%
14,74% 13,65%
19,94% 18,50%
7,14%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Situação Inicial
% Caixas % Minutos
Dia da Semana Nº médio caixas Horas %Horas #FTE
Segunda-feira 3.311 21,1 20,3% 4
Terça-feira 2.795 17,8 17,1% 3
Quarta-feira 2.034 13,0 12,5% 3
Quinta-feira 3.209 20,4 19,7% 4
Sexta-feira 2.734 17,4 16,8% 3
Sábado 2.239 14,3 13,7% 3
FTE's - valores médios por semana no período de Jan-
Mar 2014 para artigos críticos
62
Tabela 14. Número de FTE's necessário para a execução dos artigos críticos que compõe a amostra no fluxo
Não Alimentar
5.3.2.2. Cenário Base - Análise de Resultados & Consequências Operacionais
Para o fluxo Não Alimentar, e seguindo o mesmo processo que foi descrito anteriormente para o fluxo
Alimentar, chega-se aos valores apresentados na tabela 15:
Tabela 15. Processo de escolha para a ordem de minimização das funções objetivo no fluxo Não Alimentar
Min zq Min zt
Min zq-zt 1 0,010260 Min zt-zq 5 0,004430 Desvio zq 4 - Desvio zt - 0,00583
Da mesma forma, uma vez que, o principal objetivo passa pela minimização do número de caixas no
armazém, optou-se por fazer em primeiro lugar a minimização de zq e, com este valor fixo no seu
mínimo, minimizar zt.
No gráfico 18 observa-se a nova distribuição por dia da semana no que respeita ao número de caixas
a executar e respetivos minutos de execução. Do total de caixas e minutos em estudo, para todos os
dias da semana com exceção de quinta-feira, o volume de execução é de 177 caixas (na quinta-
feira executam-se 176) enquanto o tempo de execução diário é de aproximadamente
74,5minutos.
Figura 18. Gráfico com a distribuição % de caixas e minutos para o cenário base no fluxo Não Alimentar
Assim, o desvio mínimo encontrado foi de uma caixa, para um desvio de 0,017 minutos, tal como se
observa na tabela 16. De notar que o valor do gap é particularmente elevado, pelo que os valores de
zt calculados em condições semelhantes poderão apresentar diferenças consideráveis. A tabela
8.10.7 em anexo mostra a distribuição dos artigos por dia da semana no armazém.
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Max
5 3 3 4 4 2 5
FTE - Situação Inicial
16,68% 16,68% 16,68%
16,59%
16,68% 16,68%16,67% 16,66% 16,67% 16,67% 16,67% 16,67%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Cenário Base
% Caixas % Minutos
63
Tabela 16. Resultados computacionais da aplicação do modelo ao cenário base no fluxo Não Alimentar
A aplicação per si do modelo aos dados do cenário base permite a redução dos desvios do número
de caixas e de minutos em relação à média. Em termos do número de pedidos, na situação inicial
verificava-se um número médio de pedidos por artigo numa semana de aproximadamente 4. A
aplicação do modelo para o cenário base permite obter um número médio de pedidos por artigo de
1,04 numa semana.
Para calcular a redução teórica de colaboradores efetuou-se uma proporção entre os valores
apresentados na tabela 13 e os valores resultantes da aplicação do modelo verificados na tabela 17.
Assim, o cenário base permite uma redução teórica de 2 colaboradores, face à situação inicial.
Tabela 17. Resultados operacionais da aplicação do modelo ao cenário base no fluxo Não Alimentar
5.4. Análise de Cenários Depois de analisados os cenários base para cada fluxo, considerou-se interessante perceber que
alterações/imposições importantes poderiam ser introduzidas no modelo e de que forma
condicionariam a solução final. A análise dos cenários irá permitir compreender de que forma variam
os principais parâmetros em análise, nomeadamente as funções objetivo zq e zt, e, mais importante,
quais os artigos que devem estar presentes no armazém por dia da semana e em que dia da semana
devem estes ser pedidos pelas lojas. Assim, serão considerados 3 cenários:
Cenário 1 – Restrição de Capacidade no Armazém
A atividade no armazém 5407 apresenta picos de volumes durante a semana e, apesar de estes
picos serem imprevisíveis, é possível identificar os dias em que, em média, a atividade é menos
intensa: para o fluxo Alimentar, esses dias são à terça-feira, à quinta-feira e ao sábado; para o fluxo
Não Alimentar, esses dias são à quarta-feira e sábado. Com o estudo do cenário 1, pretende-se
compreender qual o efeito nos desvios e na distribuição dos artigos por dia da semana, resultantes de
se influenciar diretamente os volumes por dias da semana. Para isso, serão utilizados os fatores de
capacidade anteriormente definidos, dcap e dcap2. De notar que, se os fatores capacidade tivessem
sido definidos e manipulados de forma diferente, os resultados seriam da mesma forma distintos dos
apresentados.
z Desvio sup. Desvio inf. Gap Tempo Nº Restrições Nº Variáveis
zq 1 0 1 0 5,3seg 22.078 23.142
zt 0,01652 0,003 0,013 0,836645 16min47seg 22.078 23.142
Cenário Base
Cenários zq zt
Dias de pedido médios
por artigo numa semana
Redução % face à
situação inicial
Máximo de
FTE's necessário
Redução % face à situação
inicial
Situação Inicial - - 3,12 - 5 -
Cenário Base 1 0,01652 1,04 66,6% 3 40%
64
Cenário 2 - Restrição no número de dias de pedido
A sugestão apresentada no cenário 2 esteve sempre presente aquando do início do estudo. Apesar
de o próprio modelo reduzir os dias de pedido (e consequente aparição dos artigos no armazém), não
deixa de ser interessante perceber se, com as condições atuais da amostra, seria possível e viável
reduzir os dias de pedido de todos os artigos para um número mínimo. Assim, optou-se por três
hipóteses, considerando-se o máximo de dias de pedido (6 dias), o ponto médio de dias de pedido (3
dias) e o número mínimo de dias de pedido (1 dia). A primeira hipótese foi automaticamente excluída,
por se tratar da situação inicial e por não conferir nenhuma mais-valia (aliás, é esta a situação que se
pretende erradicar), pelo que de seguida serão analisadas as situações em que se restringe os
pedidos a, no máximo, 3 dias e 1 dia.
Cenário 3 - Restrição de Capacidade & Número de dias de pedido
No cenário 3 pretende-se estudar os efeitos simultâneos de se restringir a capacidade e os dias de
pedido, ou seja, de que forma seria a atividade no armazém se se influenciasse o modelo por forma a
alocar mais caixas nos dias de menor atividade e restringisse os dias de pedido a um máximo de um
no primeiro caso e de três no segundo.
Desta forma, na secção 4.3.1. serão analisados os três cenários para o fluxo Alimentar e na secção
4.3.2. os três cenários, aplicados ao fluxo Não Alimentar.
5.4.1. Fluxo Alimentar
5.4.1.1. Cenário 1 – Restrição de Capacidade no Armazém
No fluxo Alimentar, o objetivo foi reduzir os fatores capacidade, dcap e dcap2, nos dias de maior
atividade no armazém, para que os dias de menor atividade (terça-feira, quinta-feira e sábado)
apresentassem maiores quantidades de caixas e minutos. Como tal, o objetivo passou por encontrar
um valor percentual que, aplicado aos dias de segunda-feira, quarta-feira e sexta-feira (mantendo a
capacidade dos restantes dias igual ao cenário base) permitisse a resolução eficiente do modelo.
Admitiu-se que a capacidade não poderia ser inferior a 50% por se tratar de um valor muito longínquo
da realidade. Iterativamente, e por acrescentos de 5 pontos percentuais, chegou-se ao valor de 70%
(o primeiro valor que permitiu encontrar uma solução válida). Por coerência, adotou-se a mesma
redução no fator de capacidade cap2d (nas tabelas 8.9.8 e 8.9.9 em anexo). Para facilitar a
compreensão da descrição acima, encontram-se de seguida a tabela 18 para o fator capd sem
restrição e a tabela 19 com penalizações nos dias de maior atividade (ambas encontram-se também
em anexo nas tabelas 8.9.1 e 8.9.2):
Tabela 18. Capacidade de execução em nº de caixas por dia no fluxo Alimentar
65
Tabela 19. Capacidade de execução cem nº de caixas com penalizações por dia no fluxo Alimentar
O gráfico da figura 19 permite compreender a nova distribuição percentual de caixas e minutos por
dia da semana que, como seria espectável, foi enviesada para que os maiores valores se
verificassem nos dias típicos de menor volume.
Figura19. Gráfico com a distribuição % de caixas e minutos para o cenário 1 no fluxo Alimentar
Da aplicação da restrição das capacidades, resulta que, à segunda-feira, quarta-feira e sexta-feira
são executadas 517 caixas em aproximadamente 193 minutos, e à terça-feira, quinta-feira e
sábado são executadas 661 caixas em aproximadamente 247 minutos. Pela análise da tabela 20,
com esta restrição, os valores de zq e zt são bastante superiores aos encontrados no cenário base.
Contudo, a aplicação deste cenário está mais alinhada com uma solução de curto prazo para o
armazém, na medida em que propõe um maior número de caixas nos dias da semana que
atualmente têm volumes inferiores, especificamente, permite que do total de caixas em estudo, 3.534,
18,7% seja executado nos dias de menor atividade. A tabela 8.10.3 em anexo permite observar a
nova dispersão dos artigos pelos dias da semana.
Tabela 20. Resultados computacionais da aplicação do modelo ao cenário 1 no fluxo Alimentar
No que respeita aos três principais objetivos a alcançar: o alisamento da atividade de execução
(através dos valores de zq e zt), a diminuição do número médio de pedidos por artigo por semana e a
redução teórica possível em número de colaboradores, os resultados estão patentes na tabela 21:
14,63%18,70%
14,63%18,70%
14,63%18,70%
14,62%18,69%
14,65%18,70%
14,65%18,69%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Cenário 1
% Caixas % Minutos
z Desvio sup. Desvio inf. Gap Tempo Nº Restrições Nº Variáveis
zq 0 0 0 0 10s 27.537 22.278
zt 0,015966 0 0,015966 0,091355 7min18seg 27.537 22.278
zq 144 72 72 0 6min1s 27.537 22.278
zt 53,812142 26,852 26,96 0,010056 8seg 27.537 22.278
Cenário 1
cenário 1
cenário
base
66
Tabela 21. Resultados operacionais da aplicação do modelo ao cenário 1 no fluxo Alimentar
O primeiro objetivo é dificilmente alcançável, uma vez que o teste proposto com este cenário é
influenciar o modelo a aumentar os volumes e tempos em determinados dias. No entanto verifica-se
uma redução no número médio de dias de pedido face à situação inicial de 73% e uma redução de
13% na necessidade de colaboradores a operar no fluxo Alimentar.
5.4.1.2.Cenário 2 – Restrição no número de dias de pedido
Na minimização de pedidos para um dia da semana, observa-se no gráfico da figura 20 uma
distribuição idêntica em termos de caixas, ao cenário base, sendo executadas por dia 589 caixas.
Verifica-se contudo uma maior alteração na dispersão dos minutos de execução. Este fato deve-se à
imposição do número máximo de dias de pedido que, em junção com as restantes restrições
(nomeadamente o espaço disponível em loja e o tempo de abastecimento dos fornecedores), leva a
uma nova distribuição dos artigos em cada dia da semana. Assim, à quarta-feira, quinta-feira e sexta-
feira o tempo de execução é em média de 218 minutos, à terça-feira e sábado o tempo de execução
é de aproximadamente 219 minutos e à segunda-feira o valor é de 227 minutos.
Figura 20. Gráfico com a distribuição % de caixas e minutos para o cenário 2 (p menor ou igual a 1) no fluxo
Alimentar
Devido aos constrangimentos mencionados acima, o desvio mínimo encontrado foi de
aproximadamente 10 minutos com um gap relativo de 58% face à melhor solução possível, valor
bastante elevado pelas razões já apresentadas e adicionalmente pelo fato de se impor o valor do
desvio das caixas igual a zero (depois de minimizada a função zq) que condiciona fortemente o valor
de zt encontrado. A tabela 22 ilustra os resultados obtidos pela aplicação do modelo à amostra, e a
dispersão dos artigos por dia da semana no armazém podem ser encontrados em anexo na tabela
8.10.4.
Cenários zq zt
Dias de pedido médios
por artigo numa semana
Redução % face à
situação inicial
Máximo de
FTE's necessário
Redução % face à
situação inicial
Situação Inicial - - 4,67 - 9 -
Cenário Base 0 0,015966 1,27 72,8% 7 22%
Cenário 1 144 53,81214 1,25 73,2% 7 11%
16,67% 16,67% 16,67% 16,67% 16,67% 16,67%17,23% 16,62% 16,50% 16,50% 16,53% 16,62%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Cenário 2 - p≤1
% Caixas % Minutos
67
Tabela 22. Resultados computacionais da aplicação do modelo ao cenário 2 (p menor ou igual a 1) no fluxo
Alimentar
Da mesma forma, quando se impõe um máximo de 3 dias de pedido, a distribuição de caixas e de
minutos por dia da semana é bastante homogénea, verificando-se uma execução diária de 589
caixas em aproximadamente 220 minutos por dia, como se observa no gráfico da figura 21.
Figura 21. Gráfico com a distribuição % de caixas e minutos para o cenário 2 (p menor ou igual a 3) no fluxo
Alimentar
Como seria de esperar, o valor de zt no cenário em que o número de pedidos é igual ou inferior a
três, é inferior ao valor observado no cenário anterior (p≤1). Isto porque existe mais flexibilidade na
aparecimento dos artigos em armazém e, consequentemente, maior facilidade na alocação efetuada
pelo modelo em cada dia da semana. A minimização de zq permite novamente um desvio de zero
caixas, tal como se pode observar na tabela 23. A tabela 8.10.5 em anexo mostra a nova dispersão
dos artigos no armazém, por dia da semana.
Tabela 23. Resultados computacionais da aplicação do modelo ao cenário 2 (p menor ou igual a 3) no fluxo
Alimentar
As melhorias operacionais no que respeita ao alisamento da atividade (explicitado pelos valores de zq
e zt), à diminuição do número médio de dias de pedido e ao número de colaboradores necessários
podem ser resumidas pela tabela 24, verificando-se resultados mais satisfatórios que anteriormente,
para um número máximo de 3 dias de pedido por semana:
z Desvio sup. Desvio inf. Gap Tempo Nº Restrições Nº Variáveis
zq 0 0 0 0 10s 27.537 22.278
zt 0,015966 0 0,015966 0,091355 7min18seg 27.537 22.278
zq 0 0 0 0 10,3seg 28.603 22.278
zt 9,657985 7,428 2,23 0,575931 16min47seg 28.603 22.278
Cenário 2 - Restrição de Pedidos (P ≤ 1)
cenário
base
cenário 2
16,67% 16,67% 16,67% 16,67% 16,67% 16,67%16,67% 16,67% 16,67% 16,67% 16,67% 16,67%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Cenário 2 - p≤3
% Caixas % Minutos
z Desvio sup. Desvio inf. Gap Tempo Nº Restrições Nº Variáveis
zq 0 0 0 0 10s 27.537 22.278
zt 0,015966 0 0,015966 0,091355 7min18seg 27.537 22.278
zq 0 0 0 0 6,6 seg 28.603 22.278
zt 0,016016 0 0,016016 0,09423 51seg 28.603 22.278cenário 2
Cenário 2 - Restrição de Pedidos (P ≤ 3)
cenário
base
68
Tabela 24. Resultados operacionais da aplicação do modelo ao cenário 2 no fluxo Alimentar
5.4.1.3. Cenário 3 – Restrição de Capacidade & Número de dias de pedido
Este é o cenário em que os desvios para ambas as funções objetivos são maiores, uma vez que se
estão a introduzir restrições contra o alisamento da atividade no armazém. De salientar que se tentou
restringir a capacidade e os dias de pedido a um, contudo o modelo mostra não ser exequível nesta
situação. O gráfico 22 mostra a variação de caixas e minutos de execução por dia da semana.
Figura 11. Gráfico com a distribuição % de caixas e minutos para o cenário 3 no fluxo Alimentar
O valor de zq é idêntico ao do cenário 1, compreendendo-se o impacto que o fator capacidade tem no
cálculo desta variável. O mesmo sucede com a variável zt que, apesar de não ser idêntica à do
cenário 1, tem a mesma ordem de grandeza. Da mesma forma, a distribuição no número de caixas e
minutos por dia é bastante similar, verificando-se que, à segunda-feira, quarta-feira e sexta-feira
executam-se 517 caixas em aproximadamente 193,2 minutos e nos restantes dia se executam 661
caixas em aproximadamente 246,5 minutos. As tabelas 25 e 8.10.6 (a segunda em anexo) ilustram
os resultados do modelo.
Tabela 25. Resultados computacionais da aplicação do modelo ao cenário 3 no fluxo Alimentar
Uma vez que os resultados do presente cenário são muito similares aos do cenário1, por forma a
despistar algum erro de formulação/aplicação do modelo, estudou-se o efeito da restrição de dias de
pedido e de capacidade para outras situações, cujo resumo está apresentado na tabela 26:
Cenários zq zt
Dias de pedido médios
por artigo numa semana
Redução % face à
situação inicial
Máximo de
FTE's necessário
Redução % face à
situação inicial
Situação Inicial - - 4,67 - 9 -
Cenário Base 0 0,015966 1,27 72,8% 7 22%
Cenário 2 - p≤1 0 9,657985 1,00 78,6% 7 22%
Cenário 2 - p≤3 0 0,016016 1,27 72,8% 7 22%
14,63%18,70%
14,63%18,70%
14,63%18,70%
14,64%18,70%
14,65%18,68%
14,65%18,68%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Cenário 3
% Caixas % Minutos
z Desvio sup. Desvio inf. Gap Tempo Nº Restrições Nº Variáveis
zq 0 0 0 0 10s 27.537 22.278
zt 0,015966 0 0,015966 0,091355 7min18seg 27.537 22.278
zq 144 72 72 0 7,9seg 28.603 22.278
zt 53,479206 26,776 26,683 0,003521 8,7seg 28.603 22.278
cenário
base
cenário 3
Cenário 3
69
Tabela 26. Resumo da restrição da capacidade para vários dias de pedido
zq zt
Para p≤1 Inf. Inf Para p≤2 Inf. Inf Para p≤3 144 53,48 Para p≤4 145 53,82
Daqui se conclui que o primeiro resultado exequível acontece quando os pedidos são restringidos a
um número menor ou igual a 3, daí a similaridade dos resultados deste cenário com os do cenário 1.
Quando se aumenta o número máximo de pedidos por semana, os desvios tendem a aumentar,
levando, no limite, à situação inicial, em que não existe qualquer alisamento dos volumes de caixas e
minutos de execução no armazém. Daqui se conclui que o fator capacidade tem um forte impacto nos
resultados obtidos, não sendo esse impacto exclusivo.
As melhorias operacionais ao nível do alisamento da atividade, do número médio de dias de pedido e
do número máximo de colaboradores necessários na laboração da atividade de execução no
armazém, podem ser observadas na tabela 27.
Tabela 27. Resultados operacionais da aplicação do modelo ao cenário 3 no fluxo Alimentar
5.4.2. Fluxo Não Alimentar
5.4.2.1. Cenário 1 – Restrição de Capacidade no Armazém
No fluxo Não Alimentar, para a análise à restrição da capacidade aplicou-se o valor de 70% (a
igualdade percentual nos dois fluxos aconteceu por coincidência, uma vez que o processo de escolha
foi idêntico) aos parâmetros capd e cap2d para os dias de segunda-feira, terça-feira, quinta-feira e
sexta-feira (mantendo a capacidade dos restantes dias constante). As tabelas 28 e 29 apresentam a
comparação entre a capacidade base e a capacidade penalizada para o número de caixas (ambas
encontram-se em anexo com a nomenclatura 8.9.10 e 8.9.11, assim como as tabelas de capacidade
com os minutos de execução – a tabela 8.9.17 sem penalizações e a tabela 8.9.18 com
penalizações).
Tabela 28. Capacidade de execução em nº de caixas por dia no fluxo Não Alimentar
Cenários zq zt
Dias de pedido médios
por artigo numa semana
Redução % face à
situação inicial
Máximo de
FTE's necessário
Redução % face à
situação inicial
Situação Inicial - - 4,67 - 9 -
Cenário Base 0 0,015966 1,27 72,8% 7 22%
Cenário 3 - p≤3 144 53,47921 1,24 73,4% 8 11%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
d1 d2 d3 d4 d5 d6
267 267 267 267 267 267
"Capacidade de execução" máxima admitida por dia da semana - amostra de artigos
e lojas
70
Tabela 29. Capacidade de execução em nº de caixas com penalizações por dia no fluxo Não Alimentar
Figura 23. Gráfico com a distribuição % de caixas e minutos para o cenário 1 no fluxo Não Alimentar
Os desvios de zq e zt encontrados na aplicação desta restrição estão bem evidenciados na
distribuição de caixas e artigos apresentada no gráfico 23. De fato, seria de esperar uma distribuição
idêntica do número de caixas em todos os dias exceto quarta-feira e sábado. Assim, à segunda-feira,
quinta-feira e sexta-feira são executadas 176 caixas, à quarta-feira e sábado são executadas 178
caixas e à terça-feira são executadas 177 caixas. Na distribuição por dia da semana dos minutos de
execução verificam-se, para segunda-feira, terça-feira, quinta-feira e sexta-feira aproximadamente
65,8 minutos de execução, na quarta-feira 93,8 minutos e 90 minutos no sábado.
O elevado desvio de zt, essencialmente devido aos tempos de abastecimento mais restritivos neste
fluxo, encontra-se presente na tabela 30:
Tabela 30. Resultados computacionais da aplicação do modelo ao cenário 1 no fluxo Não Alimentar
No entanto, a aplicação deste cenário propõe um maior número de caixas nos dias da semana que
atualmente têm volumes inferiores, contribuindo para uma solução de curto prazo mais operacional. A
nova dispersão dos artigos pelos dias da semana pode ser encontrada em anexo na tabela 8.10.9.
O estudo das melhorias operacionais será efetuado da mesma forma já apresentada nos cenários
estudados para o fluxo Alimentar. As melhorias passam pela minimização das funções zq e zt, pela
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
d1 d2 d3 d4 d5 d6
187 187 267 187 187 267
"Capacidade de execução" com penalizações
16,59% 16,68% 16,78% 16,59% 16,59% 16,78%14,72% 14,72%
20,98%
14,72% 14,72%20,14%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Cenário 1
% Caixas % Minutos
z Desvio sup. Desvio inf. Gap Tempo Nº Restrições Nº Variáveis
zq 1 0 1 0 5,3seg 22.078 23.142
zt 0,01652 0,003 0,013 0,836645 16min47seg 22.078 23.142
zq 2 1 1 0 14,7seg 22.078 23.142
zt 28,00503 19,293 8,712 0,001535 14seg 22.078 23.142
Cenário 1
cenário
base
cenário 1
71
redução do número médio de dias de pedido e pela redução do número máximo de colaboradores
necessários para a execução no fluxo Não Alimentar. Os resultados encontrados estão presentes na
tabela 31, donde se verifica uma redução de aproximadamente 68% no número de dias de pedido e
20% no número teórico de colaboradores necessário para este fluxo.
Tabela 31. Resultados operacionais da aplicação do modelo ao cenário 1 no fluxo Não Alimentar
5.4.2.2. Cenário 2 – Restrição no número de dias de pedido
Ao contrário do que sucede no fluxo Alimentar, para um número mínimo de pedidos menor ou igual a
um, o valor de zt é relativamente pequeno, como se pode observar na tabela 32 e como se pode
verificar pela observação da homogeneidade por dia da semana no que respeita à distribuição do
número de caixas e de minutos no gráfico da figura 24.
Figura 12. Gráfico com a distribuição % de caixas e minutos para o cenário 2 (p menor ou igual a 1) no fluxo Não
Alimentar
Verifica-se que, por dia são executadas 177 caixas (com exceção de sexta-feira em que se executa
menos uma caixa) em aproximadamente 74,5 minutos por dia.
Tabela 32. Resultados computacionais da aplicação do modelo ao cenário 2 (p menor ou igual a 1) no fluxo Não
Alimentar
Tratando-se de um fluxo em que as quantidades pedidas são tipicamente mais baixas comparando
com os restantes e uma vez que o espaço em loja não constitui um constrangimento, é possível fazer
uma distribuição dos artigos pelos dias da semana, tal que se obtêm valores pequenos para os
Cenários zq zt
Dias de pedido médios
por artigo numa semana
Redução % face à
situação inicial
Máximo de
FTE's necessário
Redução % face à situação
inicial
Situação Inicial - - 3,12 - 5 -
Cenário Base 1 0,01652 1,04 66,6% 3 40%
Cenário 1 2 28,00503 1,01 67,7% 4 20%
16,68% 16,68% 16,68% 16,68% 16,59% 16,68%16,67% 16,67% 16,67% 16,67% 16,67% 16,67%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Cenário 2 - p≤1
% Caixas % Minutos
z Desvio sup. Desvio inf. Gap Tempo Nº Restrições Nº Variáveis
zq 1 0 1 0 5,3seg 22.078 23.142
zt 0,01652 0,003 0,013 0,836645 16min47seg 22.078 23.142
zq 1 0 1 0 5,6seg 22.832 23.142
zt 0,004714 0 0,005 0,427299 16min46seg 22.832 23.142
Cenário 2 - Restrição de Pedidos (P ≤ 1)
cenário
base
cenário 2
72
desvios no número de caixas e nos minutos de execução. A nova distribuição dos artigos está
representada na tabela 8.10.10 em anexo.
O gráfico 25 apresenta a variação do número de caixas e minutos por dia da semana quando se
restringe o número de dias de pedido a um máximo de 3. O número de caixas executado por dia é
igual ao do cenário anterior (p≤1) assim como o valor aproximado dos minutos de execução
por dia.
Figura 13. Gráfico com a distribuição % de caixas e minutos para o cenário 2 (p menor ou igual a 3) no fluxo Não
Alimentar
Os valores resultantes da restrição de pedidos para um valor menor ou igual que três são
interessantes, uma vez que seria de esperar uma redução/manutenção dos valores de zq e zt, por via
de existirem menos restrições. Contudo, o valor de zt é superior ao encontrado no caso anterior (para
p≤1), apesar de, com os valores arredondados, não ser possível verificar graficamente. A explicação
para tal resulta de dois elementos: em primeiro lugar o fato de se calcular zt com zq fixo no seu
mínimo; em segundo lugar os gaps que surgem na aplicação do modelo ao fluxo Não Alimentar, que,
para p≤3 são superiores aos encontrados quando se restringe o número de pedidos a um máximo de
um por semana, como se verifica na tabela 33. Na tabela 8.10.11 em anexo encontram-se as novas
dispersões dos artigos por dia da semana.
Tabela 33. Resultados computacionais da aplicação do modelo ao cenário 2 (p menor ou igual a 3) no fluxo Não
Alimentar
A aplicação deste cenário, tanto para um número máximo de um dia de pedido, como três dias de
pedido, permite melhorias em todos objetivos propostos através da redução dos desvios face à
situação inicial e ao cenário 1, através da diminuição do número médio de dias de pedido e através
da redução do número máximo de colaboradores que atuam no fluxo Não Alimentar, tal como se
pode observar na tabela 34:
16,68% 16,68% 16,68% 16,68%
16,59%
16,68%16,67% 16,67% 16,67% 16,67% 16,67% 16,67%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Cenário 2 - p≤3
% Caixas % Minutos
z Desvio sup. Desvio inf. Gap Tempo Nº Restrições Nº Variáveis
zq 1 0 1 0 5,3seg 22.078 23.142
zt 0,01652 0,003 0,013 0,836645 16min47seg 22.078 23.142
zq 1 0 1 0 5,7seg 22.832 23.142
zt 0,012075 0,002 0,01 0,776395 16min47seg 22.832 23.142
Cenário 2 - Restrição de Pedidos (P ≤ 3)
cenário
base
cenário 2
73
Tabela 34. Resultados computacionais da aplicação do modelo ao cenário 2 no fluxo Não Alimentar
5.4.2.3. Cenário 3 – Restrição de Capacidade & Número de dias de pedido
Analogamente ao que se verifica no fluxo Alimentar, este é o cenário que promove um valor mais
elevado nos desvios de número de caixas e de minutos, mais uma vez fomentado pela manipulação
dos fatores de capacidade. Em termos de resultados, pela análise do gráfico 26 e 27 e das tabelas 35
e 36, verifica-se que os valores apresentados para os desvios são muito similares, apesar de no
segundo caso (p≤3), zt apresentar um valor ligeiramente inferior em relação à primeira situação (p≤1).
Figura 26. Gráfico com a distribuição % de caixas e minutos para o cenário 3 (p menor ou igual a 1) no fluxo Não
Alimentar
Neste cenário para p≤1, à segunda-feira, terça-feira e quinta-feira são executadas 176 caixas, à
quarta-feira e sábado são executadas 178 caixas e à sexta-feira são executadas 177 caixas. A
distribuição dos minutos é, para os dias em que se restringiu as capacidades, de aproximadamente
65,7 minutos, para sábado de aproximadamente 90 minutos e para quarta-feira de
aproximadamente 94 minutos.
Tabela 35. Resultados computacionais da aplicação do modelo ao cenário 3 (p menor ou igual a 1) no fluxo Não
Alimentar
Cenários zq zt
Dias de pedido médios
por artigo numa semana
Redução % face à
situação inicial
Máximo de
FTE's necessário
Redução % face à situação
inicial
Situação Inicial - - 3,12 - 5 -
Cenário Base 1 0,01652 1,04 66,6% 3 40%
Cenário 2 - p≤1 1 0,004714 1,00 68,0% 3 40%
Cenário 2 - p≤3 1 0,012075 1,04 66,6% 3 40%
16,59% 16,59% 16,78% 16,59% 16,68% 16,78%14,71% 14,72%
21,01%
14,72% 14,72%20,12%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Cenário 3 - p≤1
% Caixas % Minutos
z Desvio sup. Desvio inf. Gap Tempo Nº Restrições Nº Variáveis
zq 1 0 1 0 5,3seg 22.078 23.142
zt 0,01652 0,003 0,013 0,836645 16min47seg 22.078 23.142
zq 2 1 1 0 7,7seg 22.832 23.142
zt 28,16188 19,431 8,731 0,00332 30seg 22.832 23.142
cenário
base
cenário 3
Cenário 3 - Restrição da Capacidade e de Pedidos (P ≤ 1)
74
Figura 27. Gráfico com a distribuição % de caixas e minutos para o cenário 3 (p menor ou igual a 3) no fluxo Não
Alimentar
Pelas características específicas deste fluxo que já foram mencionadas, o número de caixas e de
minutos de execução por dia para p≤3 é praticamente idêntico ao cenário anterior (p≤1),
existindo apenas ligeiras diferenças na distribuição de minutos de execução por dia da semana como
se verifica pelas tabelas 35 e 36.
Tabela 36. Resultados computacionais da aplicação do modelo ao cenário 3 (p menor ou igual a 3) no fluxo Não
Alimentar
A principal diferença entre ambas as situações, isto é, entre restringir o número máximo de pedidos a
um por semana e a três por semana, restringindo também a capacidade, encontra-se presente nas
tabelas 8.10.12 e 8.10.13 em anexo, no que diz respeito aos novos dias de aparição dos artigos no
armazém.
As melhorias no desempenho operacional, ao nível dos valores dos desvios e consequente
alisamento da atividade, número médio de dias de pedido e número máximo de colaboradores
necessários estão explicitas na tabela 37, donde se verifica que, apesar das similaridades nos
resultados, o cenário em que se restringe o número máximo de dias de pedido a um acaba por se
sobrepor ao cenário em que se restringe o número máximo de dias de pedido a três:
Tabela 37. Resultados operacionais da aplicação do modelo ao cenário 3 no fluxo Não Alimentar
16,68% 16,59% 16,78% 16,59% 16,59% 16,78%14,72% 14,71%
21,00%
14,71% 14,72%
20,14%
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
Cenário 3 - p≤3
% Caixas % Minutos
z Desvio sup. Desvio inf. Gap Tempo Nº Restrições Nº Variáveis
zq 1 0 1 0 5,3seg 22.078 23.142
zt 0,01652 0,003 0,013 0,836645 16min47seg 22.078 23.142
zq 2 1 1 0 8,6seg 28.603 22.278
zt 28,1315 19,385 8,746 0,005655 6,5seg 28.603 22.278
Cenário 3 - Restrição da Capacidade e de Pedidos (P ≤ 3)
cenário
base
cenário 3
Cenários zq zt
Dias de pedido médios
por artigo numa semana
Redução % face à
situação inicial
Máximo de
FTE's necessário
Redução % face à situação
inicial
Situação Inicial - - 3,12 - 5 -
Cenário Base 1 0,01652 1,04 66,6% 3 40%
Cenário 3 - p≤1 2 28,16188 1,00 68,0% 4 20%
Cenário 3 - p≤3 2 28,1315 1,03 67,1% 4 20%
75
5.5. Conclusões do Capítulo A construção do modelo de planeamento dos pedidos surge com o intuito de nivelar a atividade de
execução no armazém. Tratando-se de uma análise efetuada a vários artigos com características
diferentes e cujo ponto de encontro é a sua criticidade na execução, torna-se mais fiável a construção
de um modelo, ao invés da utilização de heurísticas para a resolução do problema.
Não existindo nenhum modelo auxiliar ao presente estudo, incorporaram-se elementos de modelos
de planeamento de rotas, pelas similaridades encontradas. Para que a construção do modelo fosse o
mais simples e abrangente possível, mas que correspondesse à realidade do armazém, foram
introduzidos alguns pressupostos, destacando-se a não consideração dos tempos de abastecimento
a este nível.
Depois de implementado o modelo, conclui-se que a aplicação de qualquer um dos cenários à
realidade do armazém permite melhorias operacionais. Os cenários que não restringem capacidades
permitem as melhorias mais acentuadas, verificando-se os maiores valores para a redução de
colaboradores e os menores valores nos desvios e no número médio de dias de pedido. O resumo
dos cenários pode ser encontrado na tabela 38 para o fluxo Alimentar e tabela 39 para o fluxo Não
Alimentar.
Tabela 38. Resumo das melhorias operacionais verificadas em cada cenário para o fluxo Alimentar
Tabela 39. Resumo das melhorias operacionais verificadas em cada cenário para o fluxo Não Alimentar
Para além das melhorias verificadas ao nível do armazém, os resultados do modelo permitem
compreender em que dias devem as lojas fazer os pedidos dos artigos em estudo (ver anexo 8.10),
através da aplicação do tempo de abastecimento dos fornecedores que não foi considerado para
efeitos da construção do modelo.
Cenários zq zt
Dias de pedido médios
por artigo numa semana
Redução % face à
situação inicial
Máximo de FTE's
necessário
Redução % face à situação
inicial
Situação Inicial - - 4,67 - 9 -
Cenário Base 0 0,015966 1,27 72,8% 7 22%
Cenário 1 144 53,81214 1,25 73,2% 8 11%
Cenário 2 - p≤1 0 9,657985 1,00 78,6% 7 22%
Cenário 2 - p≤3 0 0,016016 1,27 72,8% 7 22%
Cenário 3 - p≤3 144 53,47921 1,24 73,4% 8 11%
Cenários zq zt
Dias de pedido médios
por artigo numa semana
Redução % face à
situação inicial
Máximo de FTE's
necessário
Redução % face à situação
inicial
Situação Inicial - - 3,12 - 5 -
Cenário Base 1 0,01652 1,04 66,6% 3 40%
Cenário 1 2 28,00503 1,01 67,7% 4 20%
Cenário 2 - p≤1 1 0,004714 1,00 68,0% 3 40%
Cenário 2 - p≤3 1 0,012075 1,04 66,6% 3 40%
Cenário 3 - p≤1 2 28,16188 1,00 68,0% 4 20%
Cenário 3 - p≤3 2 28,1315 1,03 67,1% 4 20%
76
Figura 14. Dias de operação no armazém 5407
Um dia n no armazém começa o seu ciclo de atividade às 14h00 de um determinado dia civil e acaba
às 13h59 do dia seguinte (figura 28). Para que uma loja receba os artigos pedidos ao armazém no dia
n ou no dia n+1, consoante as janelas horárias dos fornecedores, terá que, no máximo, efetuar o seu
pedido até às 14h00 do dia n-1. E para que a análise seja o mais rigorosa possível esse pedido
deverá ser feito de preferência 2h antes, tal que exista um espaço de tempo disponível para o
processamento dos pedidos. Tomando como exemplo a tabela 40, um excerto da tabela 8.10.2 que
se encontra em anexo, para serem executadas as 18 caixas de artigo a2 na sexta-feira, as lojas
deverão efetuar o seu pedido, no máximo, até às 12h00 do dia anterior, isto é, quinta-feira.
Tabela 40. Excerto da tabela com o resultado do modelo para o cenário base no fluxo Alimentar
Por ultimo, os cenários apresentados foram considerados por duas principais razões: a sua aplicação
no curto prazo (para os cenários em que o fator capacidade é manipulado) e a sua aplicação no longo
prazo (em que, ao não ser alterado o fator capacidade, permite o alisamento diário da atividade no
armazém).
Para ambos os fluxos, a restrição do número máximo de dias de pedido a um dia tornar-se inviável do
ponto de vista da sua aplicabilidade à realidade, uma vez que existem fatores que o modelo não
controla, nomeadamente a disponibilidade dos fornecedores. A opção de limitar o número de dias de
pedido a 3 é a melhor opção, tanto quando não se restringe a capacidade, como quando se restringe,
uma vez que, tal como já foi referido, a sugestão apresentada no cenário 3 (em ambos os fluxos)
surge como resposta de curto prazo aos problemas operacionais do armazém. Os resultados
apresentados nos cenários bases também são positivos. As pequenas diferenças encontradas entre
estes cenários e os cenários em que somente se restringe o número máximo de dias de pedido a 3,
está exatamente neste ponto, nos cenários bases existem alguns artigos que são pedidos mais que 3
vezes. No entanto, pela própria otimização do modelo, estes artigos representam uma minoria, não
tendo grande impacto nos desvios. Em suma, e para ambos os fluxos, os cenários que apresentam
melhores resultados para as melhorias operacionais e que melhor se poderão adaptar à realidade do
armazém e das lojas são para o longo prazo, o cenário base e o cenário 2 para p≤3, e para o curto
prazo o cenário 3 para p≤3. Todavia, a aplicabilidade de cada cenário fica ao critério dos decisores,
conforme as condições ao nível macro do negócio e ao nível micro do armazém o permitam.
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 11535 37 - - - - - 37 1
a2 12445 - - - - 18 - 18 1
Cenário BaseNºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
77
6. Conclusões Finais e Desenvolvimento Futuro
O presente trabalho surge após a identificação por parte do Grupo JM de um problema logístico que
condiciona a atividade dos armazéns: o ciclo de pedidos das lojas. Assim, o objetivo do estudo
centra-se na análise dos pedidos efetuados por um conjunto de lojas Pingo Doce.
Pela análise do caso de estudo, concluiu-se sobre a grande dimensão das operações do Grupo JM
em Portugal. Especificamente no que diz respeito à logística, existe uma interação muito elevada
entre os vários elementos da rede, de tal forma que os objetivos de cada departamento acabam
muitas vezes por ser distintos. O armazém 5407, foco deste trabalho, opera quatro fluxos
operacionais distintos, com tipos de artigos e volumes elevados. A própria estrutura do armazém é
um condicionante à operação, pelo que as melhorias passiveis de serem implementadas terão que
surgir na própria atividade. A respeito dos pedidos efetuados pelas lojas ao armazém, estes podem
acontecer em sete dias da semana e de variadas formas, sendo a mais comum (e a que representa
um maior volume dos pedidos) através da sugestão do algoritmo MRP.
Após identificação do problema, efetuou-se um estudo à literatura disponível. Especificamente para a
temática deste estudo, não foi encontrada qualquer referência bibliográfica. Contudo, a
caracterização da indústria do retalho permitiu compreender a crescente exigência do consumidor e a
evolução do papel do retalhista na cadeia de abastecimento. Adicionalmente, verificaram-se as
vantagens que a estratégia de Cross Docking pode constituir no contexto do armazém 5407. Por
último, foi possível identificar estratégias para a gestão de artigos com rotações distintas, tal como se
verifica no armazém.
Para a definição da estratégia a adotar para a otimização dos pedidos, foi necessário compreender
de forma mais aprofundada o funcionamento do armazém NP JIT, nomeadamente os fatores que
mais influenciam a atividade do armazém. Identificou-se que a solução passava pelo estudo de
artigos críticos que condicionassem a atividade responsável pela produtividade do armazém, isto é, a
execução. Um estudo no terreno, sujeito a critérios diversos de seleção, permitiu encontrar, para os
fluxos menos produtivos (Alimentar e Não Alimentar), um conjunto de artigos críticos para a operação
e que compõe uma amostra significativa do problema. Com os artigos que compõe a amostra e para
um conjunto de lojas escolhido, foi desenvolvida uma análise aos pedidos das lojas, constatando-se
uma grande variabilidade dos mesmos no que respeita aos dias de pedido (dia de semana) e às
quantidades pedidas. Ambos os elementos levam a que a intensidade da execução no armazém difira
diariamente, ainda que seja possível encontrar para cada fluxo um conjunto de dias da semana em
que a atividade é tipicamente mais intensa.
Do estudo dos pedidos das lojas concluiu-se que a melhor solução para o armazém deverá assentar
na homogeneização da atividade durante a semana, minimizando-se os picos de atividade
identificados. Como tal, foi desenvolvido um modelo matemático para este fim, com duas funções
objetivo: a minimização dos desvios em relação à média em número de caixas e a minimização dos
78
desvios em relação à média em número de minutos de execução. Optou-se por, em primeiro lugar
fazer a minimização do desvio do número de caixas, por se tratar do elemento mais significativo para
o armazém (ie, a redução do volume de caixas médio por dia). Para melhor se compreender o efeito
de algumas restrições, em particular a restrição no número de dias de pedido numa semana, foram
analisados três cenários:
Cenário 1, em que se restringe o fator capacidade descrito aquando da construção do modelo,
com o intuito de perceber que efeitos existem se se condicionar o modelo a alocar os artigos em
dias específicos da semana (manipulados pelo utilizador do modelo) nomeadamente os dias de
menor atividade no armazém;
Cenário 2, em que se estudam os efeitos de se restringir os dias de pedido a um máximo de um
dia ou três dias, por forma a compreender em que dias da semana e em que quantidades de
caixas e de minutos estão presentes os artigos no armazém;
Cenário 3, em que se combinam as restrições do cenário 1 e 2;
Da análise dos cenários conclui-se que todos potenciam melhorias face à situação inicial, que podem
chegar até uma redução de 79% dos dias médios de pedido para cada artigo e 22% no número de
FTE’s necessário no fluxo Alimentar e uma redução de 68% dos dias médios de pedido para cada
artigo e 40% no número de FTE’s necessário no fluxo Não Alimentar (resultados face à situação
inicial). Os cenários em que se restringe a capacidade funcionam como soluções de curto prazo, pois
permitem alocar uma maior quantidade de artigos críticos nos dias da semana de menor atividade em
cada fluxo. Os cenários em que não se restringe a capacidade poderão resultar em soluções de longo
prazo, pois permitem a homogeneização da atividade em ambos os fluxos, objetivo principal da
construção do modelo matemático desenvolvido. Especificamente, conclui-se que os melhores
cenários de longo prazo são os cenários base e aqueles em que se restringe o número máximo de
pedidos a três dias, pois são os que apresentam no geral melhores resultados em termos de modelo
e melhorias operacionais e, mais importante, são os cenários que mais se adequam à realidade do
armazém e das lojas.
Existem todavia alguns fatores que limitam a utilização do modelo à realidade da operação. Em
primeiro lugar o fato de o modelo não admitir pedidos ao domingo, uma vez que o armazém não se
encontra em atividade nesse dia da semana. Em segundo lugar, a não consideração de feriados,
promoções ou campanhas a serem efetuadas pelas lojas Pingo Doce. Nessas situações de exceção,
os dias de pedido e as quantidades podem não estar em concordância com os resultados obtidos
através da aplicação do modelo proposto. Futuramente, poder-se-á pois agrupar os artigos por cluster
de fornecedores, elemento importante quando se tratam de fornecedores que se deslocam com
menos frequência ao armazém – este elemento não foi presentemente considerado por restrições de
tempo, porque a grande maioria dos artigos em estudo é entregue por fornecedores que se deslocam
quatro ou mais vezes ao armazém por semana e finalmente porque estes dados estão ligados a uma
base de dados mestra que está em permanente atualização.
79
A ineficiência na colocação e gestão dos pedidos por parte das lojas aos armazéns surge como o
ponto de partida do presente estudo. Contudo, o trabalho de campo efetuado para a compreensão do
problema levou à constatação de outros problemas que têm impacto direto na operação do armazém
e que serão referidos de seguida com o objetivo de poderem mais tarde ser analisados em detalhe.
Muitos dos constrangimentos encontrados na atividade de execução prendem-se com as embalagens
ao nível de todos os critérios apresentados: volume, peso, forma, fragilidade (o número de referências
por palete não é considerado ao nível micro de análise das UMC). Materiais como o cartão fino ou a
pelicula fomentam quebras e comprometem o estado final do artigo e a forma como será, em loja,
apresentado ao cliente. Esta questão gera conflitos no armazém porque se por um lado as condições
económicas atuais são propícias à utilização deste tipo de materiais, o nível de intensidade das
atividades nos armazéns do Grupo JM, em particular o 5407, tende a aumentar e,
consequentemente, a necessidade de executar um maior número de caixas no período de tempo leva
a que o cuidado com as UMC’s não seja o mais adequado. Assim, um estudo aprofundado às
embalagens ou à forma como são rececionadas poderia trazer benefícios tanto para o armazém
como para as lojas e, seguramente, teria um impacto positivo para o cliente final.
Uma outra solução de análise futura e que se alinha com o problema em estudo, passa pelo Cross
Docking. No subcapítulo 3.4. analisou-se o conceito e em que circunstancias pode ser aplicado:
quando os produtos apresentam taxas de procura relativamente estáveis e quando os custos de
stockout são baixos. Assim, para o fluxo Alimentar e para o fluxo Não Alimentar ter-se-iam duas
soluções distintas: Para o fluxo Alimentar, como os volumes recebidos são bastante elevados,
poderia ser benéfico o Cross Docking Produtivo (nomenclatura utilizada no armazém), em que as
paletes chegam ao armazém com receção automática e prontas para serem expedidas. Um exemplo
para este tipo de artigos são as cervejas que, com exceção do pico de consumo no verão,
apresentam uma procura relativamente estável e em volume francamente superior à média do
volume de artigos recebidos no armazém; No fluxo Não Alimentar, para os artigos com procura
estável e cujas paletes recebidas no armazém apresentam poucas quantidades com um número
elevado de referências (uma vez que são estes os responsáveis por produtividades mais baixas)
seria benéfica a utilização do Cross Docking Manual (nomenclatura utilizada no armazém) em que é
necessário fazer a receção e expedição dos artigos. Não sendo possível a receção de paletes
completas, devidos aos volumes reduzidos, estes artigos chegam ao armazém já agrupados por loja
(numa caixa de cartão, por exemplo), sendo apenas necessário coloca-los no layout. Os artigos de
perfumaria são um bom exemplo para a aplicação do Cross Docking manual, uma vez que
apresentam um volume baixo mas constante no armazém.
Acresce que uma das maiores preocupações do Grupo JM (que sempre esteve presente ao longo do
trabalho) consiste no nível de serviço nas lojas. O estudo da otimização dos pedidos tem efeitos
positivos como negativos para as lojas: os positivos prendem-se com a facilidade de receção e
reposição dos artigos em loja - uma palete recebida em loja com maior quantidade do mesmo artigo
permite uma redução do espaço percorrido em loja e, consequente, a diminuição do tempo desta
80
tarefa; o principal ponto negativo consiste na acumulação de stock nos armazéns das lojas. Apesar
de o modelo proposto ter em consideração a limitação do espaço de armazenagem, o fato é que se
estão a utilizar dados teóricos: a realidade das lojas é diferente do que se assume no modelo, sendo
esta realidade também diferente de loja para loja. Muitas lojas têm os seus armazéns limitados quer
pela distribuição ineficiente do espaço do armazém ou pela ocupação de parte do espaço de
armazenagem por elementos obsoletos. Uma maior eficiência do espaço disponível teria impactos
benéficos para as lojas na medida em seria possível a manutenção de maior stock de segurança, a
circulação dos colaboradores no armazém seria mais fluída e menos restritiva e a qualidade dos
artigos armazenados seria maior.
Por ultimo, aquando da análise dos pedidos do armazém de Não Perecíveis JIT foi encontrado um
problema já do conhecimento do Grupo JM - as alocações das lojas, isto é, quando as lojas pedem
quantidades de artigos diferentes daquelas sugeridas pelo MRP. Isto pode acontecer por diversos
fatores: a procura de determinado artigo aumenta imprevisivelmente, a procura de determinado artigo
disparou devido à promoção de outro artigo complementar do primeiro, etc. Se por um lado as lojas
não podem ter em falta os artigos que os clientes procuram, por outro, ao não deixarem o MRP
funcionar, estão a comprometer os resultados históricos que alimentam a ferramenta, resultando em
previsões e sugestões desajustadas à realidade da loja. O segundo principal elemento que promove
o elevado número de alocações para determinados artigos é a possibilidade de se efetuarem pedidos
aos domingos. Visto que o armazém não labora aos domingos, todos os pedidos efetuados nesse dia
da semana acontecem sob a forma de alocações. Assim, a solução para a minimização das
alocações passa pelo estudo do benefício de se efetuarem pedidos ao armazém 5407 aos domingos
e pela aceitação das quantidades sugeridas pelo MRP às lojas. Em relação a este último ponto,
evidentemente que se um artigo está a ter maior procura, as quantidades pedidas deverão ser
maiores e nessa situação a solução passa pela alocação, contudo, as quantidades a mais pedidas
devem ser escolhidas com bom senso de modo a que o MRP integre este valor no histórico e, nos
dias seguintes, permita fazer sugestões mais próximas da realidade de consumo dos clientes da loja.
Em suma, o estudo dos ciclos de pedidos das lojas apresenta-se como um problema fundamental do
ponto de vista logístico no setor do retalho e, especificamente, para o Grupo JM. A falta de literatura
disponível acerca de temática implicou a necessidade de pesquisa de conceitos intrínsecos à gestão
de cadeias de abastecimento e ao funcionamento de armazéns nomeadamente em ambiente JIT, por
forma a se compreender o problema e, posteriormente, elaborar uma solução que cumpra os
requisitos estipulados nos objetivos. Espera-se que a aplicação do presente trabalho possa fomentar
a melhoria das atividades no armazém 5407, especificamente na produtividade, e que possa ser
extrapolado para os outros armazéns do Grupo caso o contexto se verifique. Como desenvolvimento
futuro, sugere-se a reflexão nas questões apresentadas no presente capítulo, que poderão contribuir
para novos estudos no âmbito da logística do Grupo JM.
81
7. Bibliografia
Agostinho, M.C.E., & Teixeira, G. (2003) Co-creating a Self-organizing Management System: A
Brazilian Experience. Complexity, Ethics and Creativity Conference. Paper presented at the
Complexity, Ethics and Creativity Conference, London School of Economics p.17-18.
Anand, S., & Viswanathan, N. (2009). The 21st Century Retail Supply Chain: Three Key Imperatives
for Retailers, (Aberdeen Group, September), p.1-24.
Barbetta, P. A. (1999). Estatística aplicada às Ciências Sociais. 3.ed., Editora da UFSC.
Belle, J. V., Valckenaers, P., & Cattrysse, D. (2012). Cross-docking: State of the art. Omega, 40,
p.827–846.
Bowman, D.J. (1991). If you don’t understand JIT how can you implement it? Industrial Engineering,
23, p.38-40.
Carić, T., & Gold, H. (2008). Vehicle Routing Problem. I-Tech (editora).
Chandra, C., & Grabis, J. (2007). Supply Chain Configuration, Concepts, Solutions and Applications.
Springer, Science+Business Media.
Chang, T., Lee, W., Fu, H., Lin, Y., & Hsueh, H. (2007). A study of an augmented CPFR model for the
3C retail industry. Supply Chain Management: An International Journal, 12 (3), p. 200-209.
Chopra, S., & Meindl, P. (2013). Supply Chain Management: Strategy, Planning and Operations,
second ed. Prentice Hall, Upper Saddle River, NJ.
Christopher, M. (1992). Logistics & Supply Chain Management, Pitmans, London, UK.
Christopher, M., & Towill, D. (2001). An integrated model for the design of agile supply chains.
International Journal of Physical Distribution & Logistics Management, Vol. 31, No.4, p-235-246.
Cook, R. L., Gibson, B., & MacCurdy D. (2005). A lean approach to cross docking. Supply Chain
Management Review, Vol. 9, No.2, p.54-59.
Dantzig, G. B., & Ramser, J. H. (1959). The Truck Dispatching Problem. Management Science, Vol. 6,
p.80-91.
Domdouzis, K., Kumar, B.,& Anumba, C. (2006). Radio-Frequency Identification (RFID) applications:
A brief introduction. Advanced Engineering Informatics, 21, p.350-355.
Fernie, J., & Sparks, L. (n.d.). Logistics & Retailing Management (3rd Edition.). Kogan Page Limited.
82
Galbreth, M.R., Hill, J.A., & Handley S. (2008). An investigation of the value of cross- docking for
supply chain management. Journal of Business Logistics, Vol.29, p.225-239.
Ghiani, G., Laporte, G., & Musmanno, R. (2004). Introduction to Logistics Systems Planning and
Control. Wiley-Interscience Series in Systems and Optimization.
Grewal, D., & Levy, M. (2007). Retailing research: Past, present, and future. Journal of Retailing, 83,
p.447–464.
Habib, M. (2010). Supply chain management: theory and its future perspectives. International Journal
of Business Management and Social Sciences, 1, p.19-87.
Handfield, R.B., & Nichols, E.L. (1999). Introduction to Supply Chain Management. Prentice Hall,
Upper Saddle River, NJ.
Holweg, M. & Helo, P. (2013). Defining value chain architectures: Linking strategic value creation to
operational supply chain design. Int. J. Production Economics, 147, p.230-238.
Hugos, M. H. (2003). Basic Concepts of Supply Chain Management. Essentials of Supply Chain
Management. New Jersey: John Wiley & Sons.
Jerónimo Martins (2012). “Relatório e Contas 2012”.
Jerónimo Martins (2013). “Apresentação Logística 2013”.
Levy, M., Weitz, B., & Pandit, A. (2012). Retailing Management (8th Edition). McGraw Hill.
Linton, J.D., Klassen, R., & Jayaraman, V. (2007). Sustainable supply chains: An introduction. Journal
of Operations Management, 25, p.1075-1082.
Lummus, R., & Robert, J. V. (1999). Defining supply chain management: a historical perspective and
practical guidelines. Industrial Management & Data Systems, Vol.99, No.1, p.11-17.
McCarthy, J.F., Nguyen D.H., Rashid A.M., & Soroczak, S. (2003). Proactive Displays & The
Experience UbiComp Project. Adjunct Proceedings of the Fifth International Conference on Ubiquitous
Computing, Seattle, Washington, p.78-81.
McKinnon, A. C. (1996). The development of retail logistics in the UK: a position paper, Technology
Foresight: Retail and Distribution Panel. Heriot-Watt University, Edinburgh.
Muther, R. (1978). Planejamento do Layout: sistema Slp. Edgar Blucher (editora).
Nenes, G., Panagiotidou, S., & Tagaras, G. (2010). Inventory management of multiple items with
irregular demand: a case study. European Journal of Operational Research, 205, p.313-324.
83
Oliveira, E. F. T. & Grácio, M.C.C. (2005). Análise a respeito do tamanho de amostras aleatórias
simples: uma aplicação na área de Ciência da Informação. Data Grama Zero - Revista de Ciência da
Informação. Disponível em http://www.dgz.org.br/ago05/Art_01.htm, consultado a 10 de Abril, 2014.
Pourakbar, M., Sleptchenko, A., & Dekker, R. (2008). The floating stock policy in fast moving
consumer goods supply chains. Transportation Research Part E, The Logistics and Transportation
Review, 45(1), p.39-49.
PwC (2013). Next-generation supply chains Efficient, fast and tailored.
www.pwc.com/GlobalSupplyChainSurvey2013, consultado a 5 de Novembro, 2013.
Ramanathan, R. (2006). ABC inventory classification with multiple-criteria using weighted linear
optimization. Computers & Operations Research 33, p.695-700.
Roland Berger (2009). A evolução da concentração da indústria e da distribuição em Portugal –
Relatório final. http://www.aped.pt/Media/content/184_1_G.pdf, consultado a 3 de Novembro, 2013.
Sandanayake, Y. G., & Oduoza, C. F. (2007). Design of a performance measurement system for just-
in-time production: a methodological framework. Int. J. Manuf. Technol. Manage, 10(2/3), p.276-293.
Simchi-Levi, D., Kaminsky, P., & Simchi-Levi, E. (2000). Designing and managing the supply chain:
Concepts, strategies, and cases. McGraw-Hill.
Sparks, L. (1998). The retail logistics transformation, Chapter 1 of Logistics and Retail Management,
ed J Fernie and L Sparks. Kogan Page, London.
Stalk, G., Evans P., & Shulman L.E. (1992). Competing on capabilities: the new rules of corporate
strategy. Harvard Business Review. Disponível em
http://jmbruton.com/images/Stalk_Competing_on_Capabilities.pdf, consultado a 1 de Novembro,
2013.
Stevenson, W.J. (2002). Operations Management, 7th ed., McGraw-Hill/Irwin, NY.
Strack, G., & Pochet, Y., (2010). An integrated model for warehouse and inventory planning.
European Journal of Operational Research, 204, p.35-50.
Toth, P., & Vigo, D. (2002) The vehicle routing problem, volume 9. Society for Industrial and Applied
Mathematics. Philadelphia.
UPS (2005). A Just-In-Time Supply Chain? – Achieving Just-In-Time operational objectives requires
the coordination of Production Planning, Sourcing and Logistics. UPS Supply Chain Solutions White
paper.
84
Waller, M. A., Cassady, C. R., & Ozment, J. (2012). Impact of cross-docking on inventory in a
decentralized retail supply chain. Transportation Research Part E (The Logistics and Transportation
Review) 42, p.359-382.
Wang, W., Fung, R.Y.K., & Chai, Y. (2004). Approach of just-in-time distribution requirements planning
for supply chain management. International journal of production economics 91, p.101-107.
Witt, C. E. (1998). Crossdocking: concepts demand choice. Material Handling Engineering, 53(7),
p.44-50.
Yao, Y., & Dresner, M. (2006). The inventory value of information sharing, continuous replenishment,
and vendor-managed inventory. Transportation Research Part E, 44, p.361–378.
Yasin, M. M., Small, M., & Wafa, M.A. (1997). An Empirical Investigation of JIT Effectiveness: an
Organizational Perspective. Omega, Int. J. Mgmt Sci. Vol.25, No.4, p.461-471.
Zhu, L., Rousseau, L.,Rei, W., & Li, B. (2014). Paired cooperative reoptimization strategy for the
vehicle routing problem with stochastic demands. Computers & Operations Research, 50, p.1-13.
Zinn, W., Mentzer, J.T., & Croxton, K.L. (2002). Customer-based measures of inventory availability.
Journal of Business Logistics, Vol.23, No.2, p.19-43.
85
8. Anexos
8.1.Transportadoras do Grupo JM
8.1. 1. Transportadoras do grupo JM
8.2. Artigos do Grupo JM
8.2. 1. Artigos divididos por família, operados nos armazéns do grupo JM
Transportador Número de Carros
Edgar e Prieto 19
Oscar 9
TFS 14
TJA 19
Tracar 6
ZAS 283
Total: 350
Familia NºArtigos
ARTIGOS RETORNAVEIS 9
BAZAR LIGEIRO 689
CERVEJA 74
DESTILADOS 156
REFRIGERANTES 375
VINHO 637
DETERGENTES 200
HIGIENE LAR 644
ECONOMATO 38
ELECT ENTRETENIMENTO Total 270
ALIMENTACAO CORRENTE 1650
BENS ESSENCIAIS 364
PROD. CONFEITARIA 1295
BACALHAU 117
FLORES 352
FRUTAS E VEGETAIS 1513
PADARIA/PASTELARIA 333
PEIXARIA 460
RESTAURAÇÃO 5
TAKE-AWAY 269
TALHO 827
CHARCUTARIA 1152
CONGELADOS 1057
LEITE 49
PRODUTOS LACTEOS 1400
HIGIENE PESSOAL 618
PERFUMARIA 94
Total 14647
Artigos no Grupo JM
86
8.2. 2. Estrutura mercadológica dos artigos operados nos armazéns do grupo JM
Alimentar Não Alimentar
AÇUCAR E PÊSSEGO AMBIENTADORES E INSECTICIDAS
ÁGUAS AUTO
ALIMENTAÇÃO INFANTIL BRINQUEDOS
ALIMENTAÇÃO SAUDAVEL CASA DE BANHO
ARROZ CASA JARDIM
AZEITE, ÓLEO CATEGORIA SEM PLANOGRAMA
BATATAS e APERITIVOS CERAS E GRAXAS
BOLACHAS CHAMPOO E AMACIADORES
BOLOS CHECK OUTS
BOLOS PADARIA COMPLEMENTOS DE ROUPA
CAFÉ e CHÁ COSMÉTICA
CATEGORIA SEM PLANOGRAMA CREME DE ROSTO E CORPO
CEREAIS DENTIFRICOS
CERVEJAS DETERGENTES LOIÇA
CHARCUTARIA, FATIADOS E ENCHIDOS DETERGENTES ROUPA
CHECK OUTS ENTRETENIMENTO
CHOCOLATES ESCOLAR
CONSERVAS PEIXE FARMACIA
DESTILADOS FESTA E DESCARTÁVEIS
DOCES E FRUTA EM CALDA FRALDAS BÉBÉ
FARINHA GEL DE BANHO e SABONETES
FRUTOS SECOS HIGIENE FEMININA
ICE TEA INCONTINÊNCIA
IOGURTES E BEBIDAS LAMPADAS E MATERIAL ELECTRICO
LEGUMES EM CONSERVA LAVA TUDO
LEITE UHT,ACHOC,NATAS,LT COND. LENÇOS DE PAPEL
MANTEIGA / MARGARINA LIVROS E REVISTAS
MASSAS LIXIVIAS
MENAGE E PELICULAS LUVAS E SACOS DO LIXO
MOLHOS MENAGE E PELICULAS
OVOS PANOS E ESFREGÕES
PÃO DE FORMA PAPEL HIGIÉNICO
PASTILHAS E GOMAS PEQUENOS DOMÉSTICOS
PEIXE E MARISCO CONGELADO PERFUMARIA BÉBÉ E PUERICULTURA
PRODUTOS DE TOMATE PERFUMARIA HOMEM
QUEIJOS PERFUMARIA SENHORA
REFEIÇÕES CHARCUTARIA PET FOOD
REFEIÇÕES CONGELADAS PRODUTOS PARA CABELO
REFRIGERANTES QUEIMA
SAL, ESPECIARIAS, VINAGRE ROLOS COZINHA E GUARDANAPOS
SALSICHAS SEM PLANOGRAMA
SEM PLANOGRAMA SOPAS e CALDOS
SOBREMESAS VASSOURAS e ESFREGONAS
SOBREMESAS E GELADOS
SOPAS e CALDOS
SUMOS FRUTA
TOSTAS
VEGETAIS CONGELADOS
VINHOS
Estrutura Mercadologica
87
8.3. Análise ABC
8.3. 1. Gráfico com a curva de Pareto para o fluxo Alimentar, no período de Fevereiro de 2013 a Fevereiro de
2014
8.3. 2. Gráfico com a curva de Pareto para o fluxo Não Alimentar, no período de Fevereiro de 2013 a Fevereiro
de 2014
0,00010,00020,00030,00040,00050,00060,00070,00080,00090,000
100,000
0,0
21
2,9
73
5,9
25
8,8
78
11
,83
01
4,7
82
17
,73
52
0,6
87
23
,63
92
6,5
91
29
,54
43
2,4
96
35
,44
83
8,4
00
41
,35
34
4,3
05
47
,25
75
0,2
09
53
,16
25
6,1
14
59
,06
66
2,0
18
64
,97
16
7,9
23
70
,87
57
3,8
27
76
,78
07
9,7
32
82
,68
48
5,6
37
88
,58
99
1,5
41
94
,49
39
7,4
46
%SA
ÍDA
S A
CU
MU
LAD
A
%ARTIGOS ACUMULADA
ABC - Alimentar
0,00000
10,00000
20,00000
30,00000
40,00000
50,00000
60,00000
70,00000
80,00000
90,00000
100,00000
0,0
13
,05
6,0
99
,13
12
,17
15
,20
18
,24
21
,28
24
,32
27
,36
30
,40
33
,44
36
,48
39
,52
42
,56
45
,60
48
,64
51
,67
54
,71
57
,75
60
,79
63
,83
66
,87
69
,91
72
,95
75
,99
79
,03
82
,07
85
,11
88
,14
91
,18
94
,22
97
,26
%SA
ÍDA
S A
CU
MU
LAD
A
%ARTIGOS ACUMULADA
ABC- Não Alimentar
88
8.4. Tabela de Dificuldades
8.4. 1. Tabela de dificuldade de execução (para UMC’s)
Características Menor Maior
Pontuação 1 2 3 4 5
Tamanho (Volume)Muito Pequeno (ex:
pastilhas, roll-ons, cremes)
Pequeno
(ex:champôs, molhos,
chás)
Médio (ex: enlatados,
leite, refrigerantes,
vinhos)
Grande (ex:cereais,
detergentes, bolos, fraldas)
Muito Grande (ex:
papel higiénico, caixa
guardanapos, comida
de animais)
Densidade (Peso)
Muito Pequena (ex: laminas
de barbear, batatas fritas,
pastilhas, chás, roll-ons,
cremes)
Pequena (ex: molhos,
comida de bebé)
Média (ex: enlatados,
cereais, chocolates)Grande (ex: leite, vinhos)
Muito Grande (ex:
detergentes, farinhas,
fraldas)
Fragilidade Muito Pouca (ex: Enlatados)Pouca (ex: Tetra-
packs)
Média (ex: cartão duro,
plásticos embalados)
Elevada (ex: película, cartão
fino)
Muito Elevada(ex:
vidro em caixa de
cartão)
FormaRegular anguloso (ex: caixas
regulares)
Regular cilindrica (ex:
plásticos e vidros com
base de cartão)
Irregular (ex: sacos)Muito Irregular (ex: vassouras,
tabuas de engomar)(sem aplicação)
Nº de referências por palete Uma Três Quatro Seis Oito
Grau de dificuldade
89
8.5. Inquérito aos Colaboradores do armazém 5407
8.5. 1. Inquérito efetuado aos colaboradores do armazém 5407 sobre as dificuldades existentes na atividade de
execução
90
8.6. Amostra – Matriz de Dupla Entrada
8.6. 1. Matriz de Dupla entrada
8.7. Amostra – Saídas por Loja na Região Centro
8.7. 1. Saídas por loja Pingo Doce na região centro
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
1 11 12 13 14 15 11 12 13 14 15 11 12 13 14 15 11 12 13 14 15
2 21 22 23 24 25 21 22 23 24 25 21 22 23 24 25 21 22 23 24 25
3 31 32 33 34 35 31 32 33 34 35 31 32 33 34 35 31 32 33 34 35
4 41 42 43 44 45 41 42 43 44 45 41 42 43 44 45 41 42 43 44 45
5 51 52 53 54 55 51 52 53 54 55 51 52 53 54 55 51 52 53 54 55
1 11 12 13 14 15 11 12 13 14 15 11 12 13 14 15
2 21 22 23 24 25 21 22 23 24 25 21 22 23 24 25
3 31 32 33 34 35 31 32 33 34 35 31 32 33 34 35
4 41 42 43 44 45 41 42 43 44 45 41 42 43 44 45
5 51 52 53 54 55 51 52 53 54 55 51 52 53 54 55
1 11 12 13 14 15 11 12 13 14 15
2 21 22 23 24 25 21 22 23 24 25
3 31 32 33 34 35 31 32 33 34 35
4 41 42 43 44 45 41 42 43 44 45
5 51 52 53 54 55 51 52 53 54 55
1 11 12 13 14 15
2 21 22 23 24 25
3 31 32 33 34 35
4 41 42 43 44 45
5 51 52 53 54 55
1
2
3
4
5
Nº referências por paleteVolume Peso Forma Fragilidade
Volume
Peso
Forma
Fragilidade
Nº de Referências por palete
91
8.8. Amostra – Classificação Final dos Artigos
Set Artigos Volume Vs.
#Referências Peso Vs.
#Referências Forma Vs.
#Referências Fragilidade Vs. #Referências
Volume Caixas (AM)
Tempo de
execução (AM) em
horas Rotatividade
- Volumes Rotatividade
- Tempo
a1 TOMATE GULOSO PELADO 390GR
33 43 23 13 6042 26,7
A B
a2 MOLHO CALVE ALHO 250ML
34 34 24 54 9961 52,2
A B
a3
MOLHO CALVE PIMENTA VERDE 250ML
34 34 24 54 3987 20,9
B B
a4
REFEIÇÃO NESTLÉ BORREGO/LEGUMES 250GR
24 24 14 54 8854 56,6
A B
a5 PUDIM BOCA DOCE BAUNILHA 22G
25 15 15 45 3401 29,0
B B
a6 PUDIM BOCA DOCE CARAMELO 22G
25 15 15 45 4158 35,4
B B
a7
FLOCOS CEREAIS NESTUM COM MEL 300GR
32 52 12 22 55717 290,9
A A
a8
PÃO FORMA PINGO DOCE BRANCO 600GR
41 31 21 41 286398 1753,7
A A
a9
PÃO FORMA PINGO DOCE INTEGRAL 360GR
41 31 21 41 38048 233,0
A A
a10
PURÉ FRUTA NESTLÉ BANANA/MAÇÃ 2X130GR
24 24 14 34 4514 32,8
A B
a11 LEITE CONDENSADO NESTLÉ 370GR
32 42 22 12 13931 61,5
A B
a12
CEREAIS CEM P.CENTO MUESLI TROPICAL500 G
34 24 34 44 3647 19,9
B B
a13
PURÉ FRUTA NESTLÉ BANANA/LARANJA 2X130GR
24 24 14 34 5759 41,9
A B
a14 SUMO COMPAL CLÁSSICO PÊRA 1LT
34 34 24 24 12692 73,2
A B
a15
SUMO COMPAL CLÁSSICO TUTTI-FRUTI 1LT
34 34 24 24 8614 49,7
A B
a16
V. PORTO CALEM VELHOTES TAWNY 75CL
32 42 12 52 5608 30,6
A B
a17
PUDIM EL MANDARIM FLAN CONJ.4
25 15 15 45 7695 65,5
A B
a18
CEREAIS SPECIAL K F.VER. KELLOGG'S 300G
41 31 11 31 4046 25,9
B B
a19
REB BALS HALLS VITA C LARANJA 33,5G
15 15 15 35 4726 28,3
A B
a20 REB BALS HALLS MEL E LIMÃO 33,5G
15 15 15 35 10786 64,5
A B
a21 REB BALS HALLS EUCALIPTO 33,5G
15 15 15 35 8098 48,4
A B
a22 MIX BISCUIT 15 KG 51 51 31 41 3312 38,3 B B
92
a23 MIX FOLAR 15 KG 51 51 31 41 1758 20,3 B B
a24
MISTURA COMPLETA TIPO 3 BOLO REI 15 KG
51 51 31 41 10924 126,2
A A
a25 V.ALENTEJO LOIOS TTO 75CL
32 42 12 52 4871 26,6
A B
a26 COLA PEPSI TWIST 1,5LT
34 34 24 24 11379 93,2
A A
a27 REFR S/GÁS B! MACA PET1,25LT
34 34 24 44 9653 47,8
A B
a28
CEREAIS SPECIAL K CHOC. KELLOGG'S 300G
41 31 11 31 4367 27,9
A B
a29
V.ALENTEJO MONTE DA RAVASQUEIRA TTO 75CL
32 42 12 52 3610 19,7
B B
a30
PÃO FORMA PINGO DOCE SEM CÔDEA 450 GR
41 31 21 41 134061 820,9
A A
a31
V.ALENTEJO FONTE DA SERRANA TTO 75CL
32 42 12 52 4206 23,0
B B
a32
TISANA PLENO CHÁ VERMELHO ROOIBOS 1,5LT
34 34 24 24 5003 41,0
A B
a33
REB BALS HALLS MENTHOLYP MENT EUC 33,5G
15 15 15 35 5562 33,2
A B
a34 EXTRA FOFOS 300 G 41 21 11 41 96647 613,4 A A
a35
TISANA PLENO CHÁ VERDE E LIMÃO 1,5LT
34 34 24 24 40439 331,2
A A
a36
INFUSÃO LIPTON MAROCCO PYRAMID 20 SAQ.
25 15 15 35 3858 21,7
B B
a37
PÃO FORMA P.DOCE INTEGRAL S/CÔDEA 450GR
41 31 21 41 46152 282,6
A A
a38
INFUSÃO LIPTON TILIA PYRAMID 20 SAQ.
25 15 15 35 4049 22,8
B B
a39
INFUSÃO LIPTON LUCIA LIMA PYRAMID 20 SAQ
25 15 15 35 5819 32,8
A B
a40 CALDOS KNORR CARNE 8 CUBOS
25 25 15 35 4635 23,4
A B
a41
GELATINA ROYAL LINEA ANANÁS 84 GR
24 14 14 34 5403 24,8
A B
a42
REB BALS HALLS VITA C CITRICO 32,4G
15 15 15 35 7377 44,1
A B
a43 ICE TEA LIPTON GREEN 1,5LT
34 34 24 24 10983 89,9
A B
a44
GELATINA ROYAL LINEA MORANGO 84 GR
24 14 14 34 7133 32,8
A B
a45
TISANA PLENO LUC L/FLOR LAR/LIM 1,5L
34 34 24 24 11150 91,3
A A
a46
INFUSÃO CEM POR CENTO FUNCHO 10 SAQ.
15 15 15 45 4676 25,7
A B
a47
INFUSÃO CEM P.CENTO ALCACHOFR/LEÃO 10SAQ
15 15 15 45
5581 30,7
A
B
93
a48
INFUSÃO CEM POR CENTO CAMOMILA 10 SAQ.
15 15 15 45 3708 20,4
B B
a49
INFUSÃO CEM POR CENTO SEM BARRIGA 10 SAQ
15 15 15 45 13229 72,8
A B
a50
INFUSÃO CEM POR CENTO SEM GORDURA 10 SAQ
15 15 15 45 5346 29,4
A B
a51
CHÁ SOLÚVEL CEM P.CENTO DORMIR BEM 10SAQ
15 15 15 45 3305 18,2
B B
a52
CHÁ SOL.CEM POR CENTO ADELGAÇANTE 10 SAQ
15 15 15 45
3281 18,1
B
B
a53
SALSICHAS NOBRE AVES FRANKFURT 8 UNI
33 43 23 13 4816 21,3
A B
a54
TRIDENT SENCES TROPICAL MIX 27 GR
15 15 15 35 11559 69,1
A B
a55
TRIDENT SENCES RAINFOREST MINT 27 GR
15 15 15 35 23250 139,0
A A
a56
PURÉ FRUTA NESTLÉ PÊRA/MAÇÂ 2X130GR
24 24 14 34 5514 40,1
A B
a57 REFR S/GÁS B! MANGA 1,25LT
34 34 24 44 9653 47,8
A B
a58
PURÉ FRUTA NESTLÉ PÊRA WILLIAMS 2X130GR
24 24 14 34 5634 41,0
A B
a59
BOL.TOSTADA ASINEZ INTEG C/FRUTOSE 300G
44 34 14 44 5207 29,8
A B
a60 MINI CENOURA PINGO DOCE 300 G
42 22 12 42 3317 21,1
B B
a61
MINI C/ SABOR AMÊNDOA PINGO DOCE 280 G
42 22 12 42 2895 18,4
B B
a62
FLOCOS CEREAIS NESTUM ARROZ 300G
32 52 12 22 13020 68,0
A B
a63
TRIDENT SENCES WATERMELON S. 27GR
15 15 15 35 19555 116,9
A A
a64 BATATAS FRITAS PALHA 200 GR
41 11 11 41 11041 65,9
A B
a65 BATATAS FRITAS RODELAS 200 GR
41 11 11 41 31841 189,9
A A
a66 BATATAS FRITAS PALHA 400 GR
41 11 11 41 15698 93,6
A A
a67 BATATAS FRITAS RODELAS 400GR
41 11 11 41 31284 186,6
A A
a68 BOL RECH OREO TUBO ORIGIN 154G
44 34 14 44 16993 97,4
A A
a69
BOL.CEM POR CENTO MARINHEIRAS S/SAL 200G
44 34 14 44
4390 25,2
A
B
a70 ARROZ CIGALA AGULHA 1 KG
33 53 13 23 42114 229,4
A A
a71
BOL WAFFER MILKA CHOCOWAFFER BRANCO 180G
44 34 14 44 3270 18,7
B B
a72 BOL WAFFER MILKA CHOCOWAFFER
44 34 14 44 5256 30,1
A B
94
LEITE 180G
a73 REFR TANG MORANGO 30GR
24 14 14 44 2083 17,7
B B
a74 REFR TANG LARANJA 30GR
24 14 14 44 3082 26,2
B B
a75
FARINHA CERELAC LÁCTEA 5 FRUTOS 250 GR
34 34 14 34 4724 26,3
A B
a76 BRANDY MACIEIRA 70CL
32 42 12 52 4933 26,9
A B
a77 CEREAIS NESQUIK 375 GR
41 31 11 31 3611 23,1
B B
a78
PAST EL TR TRIDENT SENSES LEMON M 24,5G
15 15 15 35 8205 49,0
A B
a79 CEREAIS NESTLÉ ESTRELITAS 300 GR
41 31 11 31 8477 54,2
A B
a80 BOLO GEMA 250 G 41 31 11 41 12746 98,5 A A
a81
CEREAIS NESTLÉ GOLDEN GRAHAMS 275 GR
41 31 11 31 11893 76,1
A B
a82
BOL COB OREO CHOC BRANCO 246G
44 34 14 44 4830 27,7
A B
a83 PÃO DE LÓ TRADICIONAL 600 G
41 21 11 41 28297 179,6
A A
a84
CÁPSULAS DOLCE GUSTO NESQUIK 16 UNI
24 14 14 34 9410 59,2
A B
a85 FARINHA MAIZENA 400G
31 41 11 21 6449 52,8
A B
a86
CÁPS DOLCE GUSTO EXPRESSO BUONDI 16 UN
24 14 14 34 96005 604,0
A A
a87
BOL RECH OREO TUBO DUPLO CREME 185G
44 34 14 44 20988 120,3
A A
a88
BOL RECH PROAL BELVITA RECH IOGUR 253G
44 34 14 44 10295 59,0
A B
a89
BATATA FRITA RODELA 200G SALOINHA
41 11 11 41 4303 25,7
A B
a90
FLOCOS CEREAIS NESTUM BOLACHA MARIA 300G
32 52 12 22 9462 49,4
A B
a91 FARINHA PENSAL CACAU 300 GR
32 52 12 22 11981 62,6
A B
a92
CHÁ LIPTON PYRAMID FR SILVESTRES 20 SAQ
25 15 15 35 6734 37,9
A B
a93
INFUSÃO LITPON PYRA CIDREIRA MEL 20 SAQ.
25 15 15 35 5234 29,5
A B
a94
PÃO FORMA INTEGRAL FATIADO EXTRA 550 G
41 31 21 31 36358 222,6
A A
a95
FLOCOS CEREAIS NESTUM 5 CEREAIS 250 GR
32 52 12 22 10375 54,2
A B
a96 COLA PEPSI LIGHT 1L+OF 0,5L
34 34 24 24 17495 143,3
A A
a97
NESTUM C/ MEL CEREAIS INTEGRAIS 250 GR
32 52 12 22 4932 25,8
A B
a98 SUMO COMPAL LIGHT
34 34 24 24 7013 40,4
A B
95
MANGA/MARACUJÁ 1LT
a99
CHA LIPTON PRETO YELLOW LABEL 20 SAQ.
25 15 15 35 5124 28,8
A B
a100
CHA ERVAS MACA CANELA LIPTON 20 SAQ.
25 15 15 35 4404 24,8
A B
a101
INFUSÃO LIPTON NOITE TRANQUILA 20 SAQ
25 15 15 35 5002 28,2
A B
a102 BOLACHA LU TUC CRACKER 250GRS
44 34 14 44 9376 53,7
A B
a103
SALSICHAS NOBRE NATURISSIMOS PERU 210G
24 34 24 14 6363 27,1
A B
a104
FARINHA CERELAC TRIGO NÃO LÁCTEA 250G
34 34 14 34 6572 36,6
A B
a105
PAST EL TRIDENT SENSES BERRY PARTY 27G
15 15 15 35 21466 128,3
A A
a106
LINHAÇA CEM POR CENTO DOURADA MOIDA 200G
25 25 15 35 6461 39,4
A B
a107 CEREAIS ESTRELITAS BOL. MARIA 270G
41 31 11 31 4875 31,2
A B
8.8. 1. Classificação dos artigos que compõe a amostra do fluxo Alimentar
Set Artigos Volume Vs.
#Referências Peso Vs.
#Referências Forma Vs.
#Referências
Fragilidade Vs.
#Referências
Volume Caixas (AM)
Tempo de execução (AM) em
horas Rotatividade
- Volumes Rotatividade
- Tempo
a1 COLOR EXCELLENCE LOURO Nº7
25 15 15 45 4178 35,21
A B
a2 COM HU GT FRISKIES VITAL COELHO 400G
34 34 14 34 1547 11,70
A B
a3
COM HU GT FRIS VITAL ATUM E SAL 400GR
34 34 14 34 1350 10,21
A B
a4 COLOR MOVIDA ACAJOU Nº30
25 15 15 45 2357 19,86
A B
a5 COLOR EXCELLENCE CASTANHO Nº4
25 15 15 45 4592 38,70
A A
a6 COM SC GT FRISKIES FRANGO 2 KG
44 44 34 44 4196 28,72
A B
a7
COM SC GT FRISKIES VITAL GATINHO 400G
34 34 14 34 3881 20,98
A B
a8 COLOR BELLE COLOR PRETO Nº1
25 15 15 45 3658 30,83
A B
a9 COLOR BELLE COLOR CASTANHO Nº5.3
25 15 15 45 4271 35,99
A B
a10 COLOR BELLE COLOR CASTANHO Nº5.5
25 15 15 45 2687 22,64
A B
a11 COLOR BELLE COLOR LOURO Nº6
25 15 15 45 720 6,07
B B
a12 COLOR BELLE COLOR LOURO Nº7
25 15 15 45 2396 20,19
A B
a13 COM SC GT FRISKIES VITAL COE FR/L 400G
34 34 14 34 1343 7,26
A B
96
a14
COLOR EXCELLENCE LOURO DOURADO Nº7.3
25 15 15 45 3838 32,34
A B
a15 COLOR NUTRISSE CAPUCCINO Nº43
25 15 15 45 2056 17,33
A B
a16
AFTER SHAVE BÁLSAMO NIVEA 100ML
25 25 15 45 3019 24,84
A B
a17 BATON LABELLO AZUL 1 UN
15 15 15 35 4469 36,77
A B
a18 COM SC GT FRISKIES VIT + VACA 2KG
44 44 34 44 1710 11,71
A B
a19
COM SC GT FRISK MENU BAC E TRUTA 4 KG
44 44 34 44 4476 30,64
A B
a20 GEL BARBEAR NIVEA SENSITIVE 200ML
25 15 25 25 2393 11,39
A B
a21
DENTIFRICO SENSODYNE REGULAR 75ML
24 24 14 34 1232 10,72
A B
a22
COM HU GT GOURMET GOLD VACA 85G
34 34 24 14 3351 18,40
A B
a23
GEL BARBEAR GILLETTE CLÁSSICO 200 ML
25 15 25 25 2089 9,94
A B
a24 OLEO P/ DUCHE NIVEA 200ML
25 25 25 35 6065 27,18
A B
a25 AMB MAQ LOIÇA FINISH LIMA&LIMÃO
33 43 13 23 3581 15,36
A B
a26
LÂMINA DEPILATÓRIA GILLETTE BLUE 5
25 15 15 35 10868 37,20
A A
a27
GUARDANAPO RENOVA FOLHA DUPLA 90 UN
51 51 11 21 4464 36,74
A B
a28 ROLO COZINHA RENOVA 8+4 UN
51 21 31 31 22271 114,95
A A
a29
COM SEC GATO WHISKAS ADULTO BORREGO 2KG
44 44 34 44 3682 25,21
A B
a30 ESCOVA COLGATE MEDIA 360
24 14 14 34 14988 108,32
A A
a31
CREME NOITE L'OREAL REVITALIFT 50 ML
15 15 15 45 8081 66,50
A A
a32 CREME DIA GARNIER ULTRALIFT 50 ML
15 15 15 35 3009 24,76
A B
a33
CREME L'OREAL MEN HYDRA ENERGETIC 50 ML
15 15 15 45 8334 68,58
A A
a34 DEO SPRAY REXONA CLEAR AQUA 150ML
25 15 25 25 3432 16,33
A B
a35 PAST DENT COLGATE SMILES 2-6
24 24 14 34 2271 19,77
A B
a36 PAST DENT COLGATE SMILES 6+
24 24 14 34 3160 27,51
A B
a37
COMIDA SECA GATO ONE ADULT FRANGO 3KG
44 44 34 44 3531 24,17
A B
a38 EXFOLIANTE ULTRA CLEARASIL
25 25 15 35 13169 61,25
A A
a39 NIVEA DEO ROLL ON PEARL & BEAUTY
15 25 25 35 1374 9,51
A B
a40 COLOR NUTRISSE BLOND VANILLE N 80
25 15 15 45 1062 8,95
A B
a41 COLORACAO NUTRISSE
25 15 15 45 1092 9,20
A B
97
CASTANHO N 40
a42
COLORACAO NUTRISSE CASTANHO CLARO N50
25 15 15 45
2028 17,09
A
B
a43 OLEO CASTROL GTX 15W50 5LT
42 52 42 22 4123 40,54
A A
a44 OLEO CASTROL GTX 15W40 A3/B3 5LT
42 52 42 22 641 6,30
B B
a45
PASTA DENTES SENSODYNE BRANQUEADORA 75ML
24 24 14 34
7255 63,16
A
A
a46
SH LINIC COOL SPORT MENTOL MEN 400ML
25 25 25 35 2735 12,26
A B
a47
SH LINIC CONTR.OLEOSIDADE 400ML
25 25 25 35 6135 27,49
A B
a48
GUARDANAPO RENOVA GOLD F DUPLA 40 UN
51 51 11 21 4948 40,72
A A
a49
DEO SPRAY REXONA TROPICAL POWER 200ML
25 15 25 25 12638 60,15
A A
a50
PENSO HIG EVAX SUPER COM ABAS 12 UN
43 43 13 23 3698 17,46
A B
a51
PASTA DENTES AQUAFRESH JUNIOR 50ML
24 24 14 34 1368 11,91
A B
a52
DEO ROLL-ON SANEX DERMOSENSITIVE 45ML
25 15 25 35 852 8,94
B B
a53 DEO ROLL ON NIVEA FRESH MEN 50ML
15 25 25 35 1269 8,78
A B
a54 DEO SPRAY REXONA QUANTUM 200ML
25 15 25 25 9923 47,23
A A
a55
FRALDAS DODOT LIBERTY 12-18 KG 36 UN
51 51 11 21 1464 12,50
A B
a56
COM SC CÃO PEDIGREE JUNIOR 3KG
44 44 34 44 6038 41,33
A A
a57 TOAL DODOT ACTIV REC 4X54
41 41 11 21 4905 23,16
A B
a58
GEL BARBEAR GILLETTE P. SENSÍVEL
25 15 25 25 1949 9,28
A B
a59
DEO SPRAY REXONA FMEN SPO DEFENCGOLD200
25 15 25 25 6721 31,99
A B
a60 SH FRUCTIS NORMAIS 250 ML
25 25 15 35 2136 9,93
A B
a61 GEL BANHO DOVE REVIVE 750ML
44 44 14 24 2304 10,88
A B
a62
COM SECO GATO FRISKIES ESTERILIZADOS 3KG
44 44 34 44 5925 40,56
A A
a63
COLORAÇÃO PER.SUBLIME MOUSSE Nº 40 ES/PT
25 15 15 45
4176 35,19
A
B
a64
COLORAÇÃO PER.SUBLIME MOUSSE Nº 90 ES/PT
25 15 15 45
1800 15,17
A
B
98
a65
LEITE LIMPEZA NIVEA PURE & NATURAL
25 25 15 35 5210 42,87
A A
a66
PASTA DENT SENSODYNE REP&PROTECT 75ML
24 24 14 34 5641 49,11
A A
a67
PAST MAQ LOIÇA FINISH POWERBALL REG 30
33 43 13 23 14829 63,63
A A
a68 FERRO C CALD FLAMA 553 FL
42 32 12 32 2578 14,32
A B
a69
PROT DIÁRIO EVAX SALVASLIP NORMA 80 UN
43 43 13 23 69547 328,43
A A
a70
COM SC CÃO FRISKIES ADULTO FRANGO 1,5KG
44 44 34 44 7307 50,02
A A
a71
COM SC GTS URBANOS FRISKIES 1,5KG
44 44 34 44 3960 27,11
A B
a72
COM SC GT FRISKIES STERILCAT SALM 1,5KG
44 44 34 44 2497 17,09
A B
a73
COM SC CÃO FRISKIES ACTIVE 1,5KG
44 44 34 44 6236 42,69
A A
a74 TOALHITAS DODOT SENSITIVE 2X54 UN
41 41 11 21 6539 30,88
A B
a75
COM HU GT WHISKAS SAQ GRELH AVES 4X85G
34 34 14 34 2078 15,71
A B
a76
COM HU GT WHISKAS SAQ GRELH JUN 4X85GR
34 34 14 34 5548 41,94
A A
a77
COMIDA SECA CAO JUNIOR ONE FRANGO 1,5KG
44 44 34 44 2853 19,53
A B
a78 FRALDAS DODOT T2 SENSITIVE 80 UN
51 51 11 21 13100 111,88
A A
a79 FRALDAS DODOT LIBERTY T4 44 UN
51 51 11 21 1069 9,13
A B
a80 FRALDAS DODOT ACTIVITY T3 70 UN
51 51 11 21 1435 12,26
A B
a81
COLOR NUTRISSE ULTCOLOR SOFT BLACK2.0
25 15 15 45 3717 31,32
A B
a82
DEO ROLL ON NIVEA BLACK&WHITE CLEAR 50ML
15 25 25 35 1404 9,72
A B
a83
LIXÍVIA DELICADA NEOBLANC GENTIL UNID14D
43 53 13 23 6891 27,90
A B
a84
DEO ROLL ON NIVEA MEN SENSITIVE PROT50ML
15 25 25 35 4060 28,10
A B
a85 FRALDAS DODOT BÁSICO T3 35 UN
51 51 11 21 42106 359,59
A A
a86 FRALDAS DODOT BÁSICO T4 30 UN
51 51 11 21 835 7,13
B B
a87 FRALDAS DODOT T4 30 UN
51 51 11 21 3458 29,53
A B
a88
T NÓDOAS PASTILHAS VANISH 15 UN
33 43 13 23 1527 6,55
A B
a89
GUARDANAPOS F SIMPLES RENOVA GREEN 70
51 51 11 21 4315 35,51
A B
a90 FRALDA DODOT 51 51 11 21 2174 18,57 A B
99
ETAPAS T6 18 UN
a91 PANO BALLERINA L3P2
24 14 34 34 6403 31,03
A B
a92 FRALDAS DODOT BASICO T2 40 UN
51 51 11 21 25749 219,90
A A
a93
DENT.SENSODYNE REPAIR&PROTECT WHITE 75ML
24 24 14 34 2331 20,29
A B
a94
DENTÍFRI COLGATE TOTAL BRANQUEADOR 100ML
24 24 14 34
1801 15,68
A
B
a95
MASCARA FRUCTIS ADEUS DANOS 300ML
25 25 15 35 1808 8,41
A B
a96 LÂMINA GILLETTE SENSOR 3 - 4UN
25 15 15 35 2950 10,10
A B
a97
DENT COLGATE TOTAL PRO-INTERDENTAL 75ML
24 24 14 34 2305 20,07
A B
a98
COM HUM GAT GOURMET GOLD FRANGO 85G
34 34 24 14 7797 42,82
A A
a99 PANO BALLERINA MICROFIBRAS PK 3
24 14 34 34 6190 30,00
A B
a100 SH FRUCTIS ANTI CASPA 250ML
25 25 15 35 1886 8,77
A B
a101 SH FRUCTIS 2/1 ANTICASPA 250ML
25 25 15 35 5994 27,88
A B
a102 SH FRUCTIS HID CARACOIS 250ML
25 25 15 35 7060 32,84
A B
a103 SH FRUCTIS ADEUS DANOS 250ML
25 25 15 35 7165 33,32
A B
a104 MANGUEIRA TATAY ST REFORCAD 15M
44 54 44 14 7370 72,46
A A
a105
DENTIFRICO AQUAFRESH HIGH DEFINITION75ML
24 24 14 34 1567 13,64
A B
a106
GEL LIMPEZA /EXFOLIANT CLEAN&CLEAR 150ML
25 25 15 35
3826 17,79
A
B
a107
EXFOLIANTE PEELING/HIDRATANT CLEAN&CLEAR
25 25 15 35 2565 11,93
A B
a108
COM HU GAT GRMET DIAM S.OCEANPXBRA 85GR
34 34 24 14
1114 6,12
A
B
a109 COLOR EXCELLENCE 4.03 CAST RADIANTE
25 15 15 45 3784 31,89
A B
a110 FRALDAS DODOT BÁSICO T5 25 UN
51 51 11 21 1679 14,34
A B
a111
P DENT COLGATE MAX WHITE 1LUMINOUS 75ML
24 24 14 34 4382 38,15
A A
a112 FRALDAS DODOT T3 35 UN
51 51 11 21 5183 44,26
A A
a113 FRALDAS DODOT T5 25 UN
51 51 11 21 3185 27,20
A B
8.8.2. Classificação dos artigos que compõe a amostra no fluxo Não Alimentar
100
8.9. Modelo – Dados de Entrada ●Fluxo Alimentar
8.9. 1. Capacidade de execução em nº de caixas por dia no fluxo Alimentar
8.9. 2. Capacidade de execução em nº de caixas com penalizações por dia no fluxo Alimentar
8.9. 3. Espaço disponível por loja, em nº de caixas no fluxo Alimentar
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
d1 d2 d3 d4 d5 d6
739 739 739 739 739 739
"Capacidade de execução" máxima admitida por dia da semana - amostra de
artigos e lojas
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
d1 d2 d3 d4 d5 d6
517 739 517 739 517 739
"Capacidade de execução" com penalizações
Lojas NºCaixas
l1 80
l2 54
l3 39
l4 80
l5 66
l6 73
l7 57
l8 56
l9 53
l10 51
l11 39
l12 91
101
8.9. 4. Quantidades médias em nº de caixas pedidas pelas lojas no fluxo Alimentar
l1 l2 l3 l4 l5 l6 l7 l8 l9 l10 l11 l12 l1 l2 l3 l4 l5 l6 l7 l8 l9 l10 l11 l12
a1 3 5 1 3 3 5 0 4 4 3 2 4 a55 4 2 1 3 3 4 4 3 7 5 3 6
a2 1 1 2 4 0 3 0 3 0 1 1 2 a56 1 4 2 4 4 1 3 2 4 2 0 2
a3 0 0 2 1 2 2 1 1 0 1 1 1 a57 1 3 0 3 4 1 4 1 0 1 1 0
a4 2 2 1 5 2 3 2 2 3 0 1 2 a58 0 2 0 3 0 2 4 3 1 2 0 2
a5 0 0 1 1 0 1 1 0 0 0 0 1 a59 2 1 1 3 1 3 1 0 1 1 1 1
a6 0 1 1 0 0 0 1 0 0 0 0 1 a60 2 1 2 3 2 2 2 1 0 1 1 2
a7 0 2 5 4 2 2 1 0 0 3 1 2 a61 1 2 1 1 1 1 1 2 1 2 1 1
a8 14 20 18 30 18 22 40 14 10 13 10 11 a62 1 2 3 3 1 4 4 2 3 3 1 2
a9 7 11 5 5 5 4 9 4 5 5 4 7 a63 5 3 4 4 3 5 4 4 6 7 2 5
a10 0 3 0 3 2 3 1 0 3 1 1 2 a64 3 6 3 1 3 5 3 3 3 3 2 3
a11 4 5 0 4 3 5 5 2 4 0 2 3 a65 4 5 3 7 8 8 8 4 1 9 4 6
a12 2 3 1 3 2 1 1 1 0 3 2 1 a66 3 4 2 2 3 5 3 3 3 2 1 2
a13 2 3 0 3 0 2 3 1 2 1 2 0 a67 3 4 3 3 5 5 3 3 3 4 3 3
a14 5 6 4 5 5 4 4 3 4 4 2 4 a68 6 7 5 12 6 6 7 4 3 4 3 6
a15 2 4 2 5 4 5 5 2 2 3 3 2 a69 3 1 1 1 3 1 2 3 5 5 2 4
a16 1 0 1 0 0 0 0 1 3 1 0 0 a70 6 8 5 0 10 8 7 6 5 0 6 0
a17 1 1 1 2 2 3 1 1 1 0 1 2 a71 1 2 1 3 1 0 1 1 1 0 1 1
a18 1 2 2 2 1 1 0 2 3 3 1 2 a72 2 5 2 6 1 1 2 2 1 0 1 3
a19 1 0 3 2 1 1 4 2 4 2 0 3 a73 1 1 1 0 1 1 0 0 1 0 1 0
a20 4 2 2 3 4 2 3 0 3 3 4 3 a74 1 0 1 0 0 1 2 1 0 1 1 1
a21 2 2 2 1 1 3 2 4 3 3 2 3 a75 1 1 2 1 1 1 2 1 1 0 0 1
a22 0 0 0 0 4 0 0 0 0 0 0 0 a76 0 2 1 3 0 0 0 0 1 0 1 1
a23 0 0 0 14 14 20 14 26 14 17 0 0 a77 1 1 1 2 2 1 1 1 1 1 1 2
a24 0 0 0 0 0 0 0 0 0 8 0 0 a78 4 1 0 4 4 4 3 1 4 3 1 5
a25 1 1 0 3 1 2 2 2 2 2 1 2 a79 2 2 2 2 4 2 2 3 1 2 1 3
a26 1 4 0 4 3 0 0 0 2 3 1 2 a80 6 3 2 2 3 3 2 4 4 4 4 3
a27 2 2 0 3 4 1 2 2 2 1 1 4 a81 2 2 2 2 1 4 2 3 2 1 0 3
a28 0 1 1 0 1 0 1 2 2 0 1 2 a82 2 4 0 5 5 3 5 6 4 4 2 4
a29 0 0 0 0 1 0 1 2 0 0 0 1 a83 3 7 3 5 7 7 6 4 2 4 4 7
a30 12 10 14 19 15 10 11 11 8 10 7 12 a84 2 2 0 2 0 3 2 2 2 3 2 3
a31 0 2 0 1 0 0 2 1 2 1 0 1 a85 3 3 1 3 2 3 3 1 2 3 2 3
a32 0 0 0 5 0 0 0 0 0 0 0 0 a86 8 7 6 15 10 10 6 7 6 6 5 13
a33 1 1 2 1 1 0 3 2 1 1 0 2 a87 3 0 4 2 0 0 3 2 1 3 1 3
a34 3 8 3 7 2 11 4 6 3 8 1 6 a88 2 2 2 6 2 2 3 2 2 2 1 2
a35 6 5 7 8 8 6 4 7 6 4 7 10 a89 10 4 5 2 0 2 8 5 7 1 1 0
a36 12 20 4 15 10 6 0 5 0 8 4 2 a90 6 2 7 4 6 4 3 3 2 4 12 2
a37 10 8 8 10 9 7 9 8 7 8 6 0 a91 0 1 1 3 2 3 2 3 3 0 0 2
a38 0 1 0 0 0 0 2 1 2 1 1 1 a92 2 2 2 4 4 4 3 4 4 4 2 4
a39 1 1 1 0 0 1 1 1 0 2 1 1 a93 5 5 1 4 3 5 2 3 5 4 4 4
a40 0 1 0 0 1 2 2 2 0 1 0 0 a94 4 6 4 9 6 5 3 4 5 4 3 1
a41 1 2 0 1 2 3 1 2 1 2 1 1 a95 1 3 0 0 0 2 5 0 2 1 0 3
a42 1 1 5 3 2 5 3 2 4 3 3 3 a96 2 2 0 4 5 3 3 3 3 2 1 3
a43 1 2 0 0 0 0 1 0 1 1 0 0 a97 2 3 1 4 6 6 4 4 0 3 3 1
a44 2 2 1 5 4 3 1 1 2 3 2 1 a98 4 2 2 4 2 2 2 3 3 2 1 2
a45 3 2 0 4 4 4 2 0 2 2 0 4 a99 3 2 1 2 3 3 2 1 2 1 2 2
a46 3 0 0 2 2 3 0 3 1 3 2 2 a100 4 3 2 3 4 4 2 4 2 2 3 3
a47 3 2 3 4 3 3 2 3 1 2 1 3 a101 4 1 4 4 4 3 4 3 3 5 1 2
a48 3 3 0 2 1 3 1 2 0 1 1 1 a102 3 3 0 8 8 12 3 4 5 5 5 3
a49 3 1 2 0 2 4 3 3 3 2 2 3 a103 3 1 2 1 2 3 1 3 2 2 2 3
a50 2 2 0 2 2 2 2 0 1 0 0 2 a104 0 12 6 6 3 4 5 7 1 5 6 1
a51 3 1 0 3 2 1 2 1 3 2 0 1 a105 3 0 1 1 2 4 2 3 3 3 1 5
a52 1 1 0 1 2 1 0 1 1 1 0 3 a106 3 2 2 0 4 2 1 2 2 2 1 3
a53 2 0 3 2 2 4 1 2 0 1 1 2 a107 0 0 0 4 3 1 1 3 0 1 0 0
a54 3 1 1 1 5 5 4 4 2 2 2 3
Quantidades médias semanais pedidas por loja em nº de caixas
102
8.9. 5. Dias de deslocação dos fornecedores ao armazém 5407 no fluxo Alimentar
d1 d2 d3 d4 d5 d6 d1 d2 d3 d4 d5 d6
a1 1 1 1 1 1 1 a55 1 1 1 1 1 1
a2 1 1 1 1 1 1 a56 1 1 1 1 1 1
a3 1 1 1 1 1 1 a57 1 1 1 1 1 1
a4 1 1 1 1 1 1 a58 1 1 1 1 1 1
a5 1 1 1 1 1 1 a59 1 0 1 0 1 0
a6 1 1 1 1 1 1 a60 1 0 1 0 1 0
a7 1 1 1 1 1 1 a61 1 0 1 0 1 0
a8 1 1 1 1 1 1 a62 1 1 1 1 1 1
a9 1 1 1 1 1 1 a63 1 1 1 1 1 1
a10 1 1 1 1 1 1 a64 1 0 1 0 1 0
a11 1 1 1 1 1 1 a65 1 0 1 0 1 0
a12 1 1 1 1 1 0 a66 1 0 1 0 1 0
a13 1 1 1 1 1 1 a67 1 0 1 0 1 0
a14 1 1 1 1 1 1 a68 1 1 1 1 1 1
a15 1 1 1 1 1 1 a69 1 1 1 1 1 0
a16 1 0 1 0 1 0 a70 1 1 1 1 1 0
a17 1 1 1 1 1 1 a71 1 1 1 1 1 1
a18 1 1 1 1 1 1 a72 1 1 1 1 1 1
a19 1 1 1 1 1 1 a73 1 1 1 1 1 1
a20 1 1 1 1 1 1 a74 1 1 1 1 1 1
a21 1 1 1 1 1 1 a75 1 1 1 1 1 1
a22 0 1 1 1 1 1 a76 1 0 1 0 1 0
a23 1 0 0 1 0 0 a77 1 1 1 1 1 1
a24 0 1 1 1 1 1 a78 1 1 1 1 1 1
a25 1 0 1 0 1 0 a79 1 1 1 1 1 1
a26 1 1 1 1 1 1 a80 1 0 1 0 0 0
a27 1 1 1 1 1 1 a81 1 1 1 1 1 1
a28 1 1 1 1 1 1 a82 1 1 1 1 1 1
a29 1 0 1 0 1 0 a83 1 0 0 1 0 0
a30 1 1 1 1 1 1 a84 1 1 1 1 1 1
a31 1 0 1 0 1 0 a85 1 1 1 1 1 1
a32 1 1 1 1 1 1 a86 1 1 1 1 1 1
a33 1 1 1 1 1 1 a87 1 1 1 1 1 1
a34 1 0 1 0 1 0 a88 1 1 1 1 1 1
a35 1 1 1 1 1 1 a89 1 1 0 1 1 0
a36 1 1 1 1 1 1 a90 1 1 1 1 1 1
a37 1 1 1 1 1 1 a91 1 1 1 1 1 1
a38 1 1 1 1 1 1 a92 1 1 1 1 1 1
a39 1 1 1 1 1 1 a93 1 1 1 1 1 1
a40 1 1 1 1 1 1 a94 0 1 0 0 1 0
a41 1 1 1 1 1 1 a95 1 1 1 1 1 1
a42 1 1 1 1 1 1 a96 1 1 1 1 1 1
a43 1 1 1 1 1 1 a97 1 1 1 1 1 1
a44 1 1 1 1 1 1 a98 1 1 1 1 1 1
a45 1 1 1 1 1 1 a99 1 1 1 1 1 1
a46 1 1 1 1 1 0 a100 1 1 1 1 1 1
a47 1 1 1 1 1 0 a101 1 1 1 1 1 1
a48 1 1 1 1 1 0 a102 1 1 1 1 1 1
a49 1 1 1 1 1 0 a103 1 1 1 1 1 1
a50 1 1 1 1 1 0 a104 1 1 1 1 1 1
a51 1 1 1 1 1 0 a105 1 1 1 1 1 1
a52 1 1 1 1 1 0 a106 1 1 1 1 1 0
a53 1 1 1 1 1 1 a107 1 1 1 1 1 1
a54 1 1 1 1 1 1
Dias de deslocação dos Fornecedores ao Armazém
103
8.9. 6. Tempo de execução em minutos por artigo em estudo no fluxo Alimentar; 8.9. 7. Tempo de execução em
minutos do total de caixas de cada artigo em estudo no fluxo Alimentar
Set
Tempo de execução de
1 caixa/min Set
Tempo
de
execução
a1 0,26 a55 0,36
a2 0,31 a56 0,44
a3 0,31 a57 0,30
a4 0,38 a58 0,44
a5 0,51 a59 0,34
a6 0,51 a60 0,38
a7 0,31 a61 0,38
a8 0,37 a62 0,31
a9 0,37 a63 0,36
a10 0,44 a64 0,36
a11 0,26 a65 0,36
a12 0,33 a66 0,36
a13 0,44 a67 0,36
a14 0,35 a68 0,34
a15 0,35 a69 0,34
a16 0,33 a70 0,33
a17 0,51 a71 0,34
a18 0,38 a72 0,34
a19 0,36 a73 0,51
a20 0,36 a74 0,51
a21 0,36 a75 0,33
a22 0,69 a76 0,33
a23 0,69 a77 0,38
a24 0,69 a78 0,36
a25 0,33 a79 0,38
a26 0,49 a80 0,46
a27 0,30 a81 0,38
a28 0,38 a82 0,34
a29 0,33 a83 0,38
a30 0,37 a84 0,38
a31 0,33 a85 0,49
a32 0,49 a86 0,38
a33 0,36 a87 0,34
a34 0,38 a88 0,34
a35 0,49 a89 0,36
a36 0,34 a90 0,31
a37 0,37 a91 0,31
a38 0,34 a92 0,34
a39 0,34 a93 0,34
a40 0,30 a94 0,37
a41 0,28 a95 0,31
a42 0,36 a96 0,49
a43 0,49 a97 0,31
a44 0,28 a98 0,35
a45 0,49 a99 0,34
a46 0,33 a100 0,34
a47 0,33 a101 0,34
a48 0,33 a102 0,34
a49 0,33 a103 0,26
a50 0,33 a104 0,33
a51 0,33 a105 0,36
a52 0,33 a106 0,37
a53 0,26 a107 0,38
a54 0,36
Set
Tempo total dos
artigos em nºcaixa/min Set
Tempo
total dos
artigos
a1 9,80 a55 16,14
a2 5,66 a56 12,65
a3 3,77 a57 5,65
a4 9,59 a58 8,29
a5 2,55 a59 5,50
a6 2,04 a60 7,23
a7 6,89 a61 5,71
a8 80,83 a62 9,08
a9 26,09 a63 18,65
a10 8,29 a64 13,60
a11 9,80 a65 23,98
a12 6,54 a66 11,81
a13 8,29 a67 15,03
a14 17,30 a68 23,73
a15 13,50 a69 10,66
a16 2,29 a70 19,93
a17 8,17 a71 4,47
a18 7,68 a72 8,94
a19 8,25 a73 3,58
a20 11,84 a74 4,60
a21 10,04 a75 4,01
a22 2,77 a76 2,95
a23 82,50 a77 5,76
a24 5,55 a78 12,19
a25 6,23 a79 9,98
a26 9,83 a80 18,55
a27 7,13 a81 9,21
a28 4,22 a82 15,13
a29 1,64 a83 22,47
a30 51,07 a84 8,68
a31 3,28 a85 14,26
a32 2,46 a86 37,37
a33 5,38 a87 7,57
a34 23,61 a88 9,63
a35 38,32 a89 16,11
a36 29,05 a90 17,23
a37 33,07 a91 6,27
a38 3,04 a92 13,17
a39 3,38 a93 15,20
a40 2,72 a94 19,84
a41 4,68 a95 5,33
a42 12,55 a96 15,23
a43 2,95 a97 11,59
a44 7,44 a98 10,04
a45 13,27 a99 8,11
a46 6,94 a100 12,16
a47 9,91 a101 12,84
a48 5,94 a102 20,29
a49 9,25 a103 6,38
a50 4,95 a104 18,73
a51 6,27 a105 10,04
a52 3,96 a106 8,78
a53 5,30 a107 4,99
a54 11,84
104
8.9. 8. Capacidade de execução em minutos por dia no fluxo Alimentar
8.9. 9. Capacidade de execução em minutos com penalizações por dia no fluxo Alimentar
●Fluxo Não Alimentar
8.9. 10. Capacidade em nº de caixas por dia no fluxo Não Alimentar
8.9. 11. Capacidade de execução em nº de caixas com penalizações por dia no fluxo Não Alimentar
8.9. 12. Espaço disponível por loja, em nº de caixas no fluxo Não Alimentar
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
d1 d2 d3 d4 d5 d6
276 276 276 276 276 276
"Capacidade de execução em minutos" máxima admitida por dia da semana -
amostra de artigos e lojas
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
d1 d2 d3 d4 d5 d6
193,2 276 193,2 276 193,2 276
"Capacidade de execução em minutos" com penalizações
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
d1 d2 d3 d4 d5 d6
267 267 267 267 267 267
"Capacidade de execução" máxima admitida por dia da semana - amostra de artigos
e lojas
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
d1 d2 d3 d4 d5 d6
187 187 267 187 187 267
"Capacidade de execução" com penalizações
Lojas NºCaixas
l1 98
l2 18
l3 10
l4 115
l5 52
l6 34
l7 23
l8 14
l9 53
l10 60
l11 23
l12 46
105
8.9. 13. Quantidades médias em nº de caixas pedidas pelas lojas no fluxo Não Alimentar
l1 l2 l3 l4 l5 l6 l7 l8 l9 l10 l11 l12 l1 l2 l3 l4 l5 l6 l7 l8 l9 l10 l11 l12
a1 0 0 1 0 0 1 1 0 0 2 0 1 a58 2 2 0 0 0 2 3 2 2 3 0 0
a2 1 1 0 0 2 0 1 1 0 1 2 1 a59 1 0 0 0 0 0 0 0 0 0 0 0
a3 2 0 0 0 2 2 0 0 0 1 1 1 a60 1 1 1 1 1 1 1 1 2 1 0 2
a4 0 0 0 2 1 0 1 1 1 1 0 0 a61 1 0 0 1 1 0 1 0 0 0 0 2
a5 1 1 0 0 1 0 2 1 0 1 0 0 a62 2 2 1 2 0 2 2 1 0 0 0 2
a6 1 1 1 1 0 1 1 1 1 0 1 1 a63 0 0 0 0 1 0 1 1 0 0 0 0
a7 1 1 1 0 2 1 1 0 1 2 1 1 a64 1 0 1 1 0 1 1 0 1 1 1 1
a8 1 1 1 1 0 0 0 1 0 1 2 1 a65 1 0 0 0 0 1 0 0 0 0 0 0
a9 2 2 1 1 2 1 3 1 2 0 1 1 a66 1 1 0 3 2 3 1 1 2 1 0 1
a10 0 1 1 0 2 2 1 2 1 0 0 1 a67 2 1 1 1 1 1 2 1 1 1 2 1
a11 1 1 1 1 0 0 1 2 3 2 1 1 a68 0 0 0 1 0 0 0 0 0 0 0 0
a12 3 3 0 0 0 1 1 3 2 2 0 0 a69 3 2 1 2 3 3 2 2 2 2 2 2
a13 2 1 1 1 2 1 2 0 2 1 1 1 a70 2 1 1 1 2 2 2 0 0 1 2 0
a14 0 1 0 0 1 1 0 1 0 2 0 1 a71 2 0 0 2 2 0 0 0 0 3 2 1
a15 0 1 0 2 1 1 1 1 2 2 1 2 a72 1 1 1 0 1 0 1 0 0 1 0 0
a16 0 0 1 0 1 2 0 0 2 1 0 1 a73 0 0 0 0 0 1 0 0 0 0 1 0
a17 1 1 1 1 0 1 1 1 1 1 0 1 a74 3 0 0 0 0 0 0 0 0 0 0 0
a18 1 2 1 0 0 1 2 3 1 1 0 0 a75 1 0 0 0 1 0 0 0 0 1 0 1
a19 0 0 0 1 0 0 0 0 1 0 0 0 a76 0 1 0 0 0 0 0 1 0 0 1 0
a20 1 1 0 3 1 1 0 1 0 2 0 2 a77 0 0 0 1 0 0 0 0 0 1 0 0
a21 0 0 0 0 0 0 0 0 0 0 0 1 a78 1 3 0 0 0 0 1 0 0 0 0 0
a22 2 1 1 1 1 1 2 1 0 0 1 1 a79 2 0 0 3 0 0 0 0 0 0 0 0
a23 0 1 1 2 1 0 1 1 1 1 0 1 a80 0 1 0 2 0 0 0 0 1 1 0 0
a24 0 1 2 1 0 1 0 0 0 0 0 1 a81 2 2 1 0 0 0 0 1 0 1 0 0
a25 1 1 0 1 1 2 1 1 1 1 1 2 a82 1 1 1 3 0 1 0 1 0 0 1 1
a26 0 0 0 1 0 1 0 0 0 0 0 0 a83 2 1 0 3 3 2 2 3 2 3 2 2
a27 2 3 2 3 1 3 1 1 4 3 3 3 a84 1 0 0 0 0 1 0 0 0 0 0 0
a28 1 0 1 2 1 1 1 0 0 1 0 1 a85 1 0 0 1 0 1 2 1 0 0 0 1
a29 0 0 0 0 1 0 0 0 0 0 0 1 a86 0 1 1 2 2 1 3 1 1 2 1 0
a30 0 1 1 0 2 0 2 2 2 1 1 0 a87 3 1 0 2 3 3 0 1 2 0 0 2
a31 1 0 0 0 0 0 0 0 0 0 0 0 a88 1 0 0 0 1 0 0 0 0 1 0 0
a32 1 2 1 2 1 1 2 2 0 1 1 1 a89 0 0 0 1 0 1 0 0 0 0 0 0
a33 0 1 0 1 1 0 0 0 0 1 0 0 a90 2 1 0 2 1 1 2 1 2 0 1 0
a34 0 0 1 0 2 2 0 0 1 2 2 2 a91 0 1 0 2 0 1 2 1 1 2 0 1
a35 0 0 0 1 2 1 0 1 1 1 1 0 a92 1 1 2 1 1 2 1 1 1 1 1 2
a36 1 0 0 1 0 0 0 0 0 0 0 0 a93 1 0 0 1 0 0 0 0 0 0 0 1
a37 1 0 0 1 2 1 0 2 2 1 1 2 a94 2 2 1 3 2 1 0 1 1 1 1 2
a38 1 0 0 1 0 1 0 0 1 0 0 1 a95 2 1 1 0 1 1 1 0 0 1 1 0
a39 1 0 0 0 0 0 0 0 0 0 0 0 a96 2 2 0 2 1 2 2 1 2 2 2 2
a40 1 1 0 1 0 1 1 1 1 0 1 0 a97 2 2 0 3 2 2 2 1 2 2 2 2
a41 0 1 0 1 0 1 1 0 1 0 1 1 a98 0 0 0 0 1 0 0 0 0 0 0 0
a42 1 1 0 0 1 1 1 1 0 1 1 1 a99 0 1 0 1 1 0 1 1 1 0 0 1
a43 1 0 1 0 0 0 0 0 0 1 0 0 a100 0 0 0 1 2 1 1 0 1 0 0 0
a44 0 0 1 1 0 1 1 1 1 1 0 0 a101 0 1 0 1 0 0 1 0 1 0 0 1
a45 1 2 0 4 4 2 3 2 1 2 1 0 a102 0 0 0 2 1 1 0 0 1 0 0 0
a46 0 0 1 0 0 1 0 0 0 1 0 1 a103 0 0 0 0 1 0 0 0 0 0 0 0
a47 1 1 0 1 1 1 1 0 0 0 1 1 a104 1 1 0 1 2 1 2 1 0 1 1 0
a48 1 1 0 1 0 0 0 0 2 1 0 1 a105 1 1 1 1 0 1 1 1 1 0 1 0
a49 1 1 1 1 2 2 0 1 1 2 1 1 a106 1 1 0 1 0 0 0 0 0 1 1 1
a50 1 1 2 3 1 1 2 2 3 1 0 1 a107 1 0 1 0 0 1 0 1 2 0 0 1
a51 1 2 0 2 1 0 0 1 2 2 1 2 a108 2 3 1 1 1 0 3 1 1 0 1 2
a52 2 2 0 2 2 3 1 1 1 2 1 4 a109 0 1 0 0 0 1 2 0 0 0 0 1
a53 1 2 1 3 1 1 0 1 0 2 1 1 a110 1 2 2 5 3 3 4 1 2 1 1 1
a54 0 0 0 1 0 1 0 0 0 0 1 0 a111 1 1 1 1 1 1 1 1 1 1 0 2
a55 3 0 0 3 0 0 0 0 0 0 0 5 a112 0 0 0 1 1 1 1 1 0 0 0 0
a56 1 0 0 1 1 0 1 1 0 0 0 0 a113 1 0 1 1 2 1 2 1 0 1 1 0
a57 0 0 0 3 0 0 0 0 0 0 2 3
Quantidades médias semanais pedidas por loja em nº de caixas
106
8.9. 14. Dias de deslocação dos fornecedores ao armazém 5407 no fluxo Não Alimentar
d1 d2 d3 d4 d5 d6 d1 d2 d3 d4 d5 d6
a1 1 1 0 1 1 0 a58 1 1 1 1 1 1
a2 1 1 1 1 1 1 a59 1 1 1 1 1 1
a3 1 1 1 1 1 1 a60 1 1 0 1 1 0
a4 1 1 0 1 1 0 a61 1 1 1 1 1 1
a5 1 1 0 1 1 0 a62 1 1 1 1 1 1
a6 1 1 1 1 1 1 a63 1 1 0 1 1 0
a7 1 1 1 1 1 1 a64 1 1 0 1 1 0
a8 1 1 0 1 1 0 a65 1 1 1 1 1 0
a9 1 1 0 1 1 0 a66 1 1 1 1 1 0
a10 1 1 0 1 1 0 a67 1 1 1 0 1 1
a11 1 1 0 1 1 0 a68 0 1 0 0 0 0
a12 1 1 0 1 1 0 a69 1 1 1 1 1 1
a13 1 1 1 1 1 1 a70 1 1 1 1 1 1
a14 1 1 0 1 1 0 a71 1 1 1 1 1 1
a15 1 1 0 1 1 0 a72 1 1 1 1 1 1
a16 1 1 1 1 1 0 a73 1 1 1 1 1 1
a17 1 1 1 1 1 0 a74 1 1 1 1 1 1
a18 1 1 1 1 1 1 a75 1 0 1 0 1 0
a19 1 1 1 1 1 1 a76 1 0 1 0 1 0
a20 1 1 1 1 1 0 a77 1 1 1 1 1 1
a21 1 1 1 1 1 0 a78 1 1 1 1 1 1
a22 1 1 1 1 1 1 a79 1 1 1 1 1 1
a23 1 1 1 1 1 1 a80 1 1 1 1 1 1
a24 1 1 1 1 1 0 a81 1 1 0 1 1 0
a25 1 1 1 0 1 1 a82 1 1 1 1 1 0
a26 1 1 1 1 1 1 a83 1 1 1 1 1 1
a27 1 1 1 1 1 1 a84 1 1 1 1 1 0
a28 1 1 1 1 1 1 a85 1 1 1 1 1 1
a29 1 0 1 0 1 0 a86 1 1 1 1 1 1
a30 1 1 1 1 1 0 a87 1 1 1 1 1 1
a31 1 1 0 1 1 0 a88 1 1 1 0 1 1
a32 1 1 0 1 1 0 a89 1 1 1 1 1 1
a33 1 1 0 1 1 0 a90 1 1 1 1 1 1
a34 1 1 1 1 1 1 a91 0 1 0 1 0 0
a35 1 1 1 1 1 0 a92 1 1 1 1 1 1
a36 1 1 1 1 1 0 a93 1 1 1 1 1 0
a37 1 1 1 1 1 1 a94 1 1 1 1 1 0
a38 1 1 1 0 1 1 a95 1 1 0 1 1 0
a39 1 1 1 1 1 0 a96 1 1 1 1 1 1
a40 1 1 0 1 1 0 a97 1 1 1 1 1 0
a41 1 1 0 1 1 0 a98 1 1 1 1 1 1
a42 1 1 0 1 1 0 a99 0 1 0 1 0 0
a43 0 1 0 0 0 0 a100 1 1 0 1 1 0
a44 0 1 0 0 0 0 a101 1 1 0 1 1 0
a45 1 1 1 1 1 0 a102 1 1 0 1 1 0
a46 1 1 1 1 1 1 a103 1 1 0 1 1 0
a47 1 1 1 1 1 1 a104 0 1 0 0 0 0
a48 1 1 1 1 1 1 a105 1 1 1 1 1 0
a49 1 1 1 1 1 1 a106 0 1 0 0 1 1
a50 1 1 1 1 1 1 a107 0 1 0 0 1 1
a51 1 1 1 1 1 0 a108 1 1 1 1 1 1
a52 1 1 1 1 1 0 a109 1 1 0 1 1 0
a53 1 1 1 1 1 0 a110 1 1 1 1 1 1
a54 1 1 1 1 1 1 a111 1 1 1 1 1 0
a55 1 1 1 1 1 1 a112 1 1 1 1 1 1
a56 1 0 1 0 1 0 a113 1 1 1 1 1 1
a57 1 1 1 1 1 1
Dias de deslocação dos Fornecedores ao Armazém
107
8.9. 15. Tempo de execução em minutos por artigo em estudo no fluxo Não Alimentar; 8.9. 16. Tempo de
execução em minutos do total de caixas de cada artigo em estudo no fluxo Não Alimentar
Set
Tempo de
execução
de 1
caixa/min Set
Tempo de
execução
de 1
caixa/min
a1 0,51 a58 0,29
a2 0,45 a59 0,29
a3 0,45 a60 0,28
a4 0,51 a61 0,28
a5 0,51 a62 0,41
a6 0,41 a63 0,51
a7 0,32 a64 0,51
a8 0,51 a65 0,49
a9 0,51 a66 0,52
a10 0,51 a67 0,26
a11 0,51 a68 0,33
a12 0,51 a69 0,28
a13 0,32 a70 0,41
a14 0,51 a71 0,41
a15 0,51 a72 0,41
a16 0,49 a73 0,41
a17 0,49 a74 0,28
a18 0,41 a75 0,45
a19 0,41 a76 0,45
a20 0,29 a77 0,41
a21 0,52 a78 0,51
a22 0,33 a79 0,51
a23 0,29 a80 0,51
a24 0,27 a81 0,51
a25 0,26 a82 0,42
a26 0,21 a83 0,24
a27 0,49 a84 0,42
a28 0,31 a85 0,51
a29 0,41 a86 0,51
a30 0,43 a87 0,51
a31 0,49 a88 0,26
a32 0,49 a89 0,49
a33 0,49 a90 0,51
a34 0,29 a91 0,29
a35 0,52 a92 0,51
a36 0,52 a93 0,52
a37 0,41 a94 0,52
a38 0,28 a95 0,28
a39 0,42 a96 0,21
a40 0,51 a97 0,52
a41 0,51 a98 0,33
a42 0,51 a99 0,29
a43 0,59 a100 0,28
a44 0,59 a101 0,28
a45 0,52 a102 0,28
a46 0,27 a103 0,28
a47 0,27 a104 0,59
a48 0,49 a105 0,52
a49 0,29 a106 0,28
a50 0,28 a107 0,28
a51 0,52 a108 0,33
a52 0,63 a109 0,51
a53 0,42 a110 0,51
a54 0,29 a111 0,52
a55 0,51 a112 0,51
a56 0,41 a113 0,51
a57 0,28
Set
Tempo total
dos artigos
em
nºcaixa/min Set
Tempo total
dos artigos
em
nºcaixa/min
a1 3,03 a58 4,57
a2 4,54 a59 0,29
a3 4,08 a60 3,63
a4 3,54 a61 1,70
a5 3,54 a62 5,75
a6 4,11 a63 1,52
a7 3,89 a64 4,55
a8 4,55 a65 0,99
a9 8,60 a66 8,36
a10 5,56 a67 3,86
a11 7,08 a68 0,33
a12 7,58 a69 7,37
a13 4,87 a70 5,75
a14 3,54 a71 4,93
a15 7,08 a72 2,46
a16 3,95 a73 0,82
a17 4,94 a74 0,85
a18 4,93 a75 1,81
a19 0,82 a76 1,36
a20 3,43 a77 0,82
a21 0,52 a78 2,56
a22 3,95 a79 2,56
a23 2,86 a80 2,56
a24 1,61 a81 3,54
a25 3,35 a82 4,15
a26 0,41 a83 6,07
a27 14,32 a84 0,83
a28 2,79 a85 3,59
a29 0,82 a86 7,69
a30 5,20 a87 8,71
a31 0,49 a88 0,77
a32 7,41 a89 0,99
a33 1,97 a90 6,66
a34 3,43 a91 3,20
a35 4,18 a92 7,69
a36 1,04 a93 1,57
a37 5,34 a94 8,88
a38 1,40 a95 2,51
a39 0,42 a96 4,11
a40 4,04 a97 11,49
a41 3,54 a98 0,33
a42 4,55 a99 2,04
a43 1,77 a100 1,67
a44 4,13 a101 1,40
a45 11,49 a102 1,40
a46 1,08 a103 0,28
a47 2,15 a104 6,49
a48 3,46 a105 4,70
a49 4,00 a106 1,67
a50 5,10 a107 1,95
a51 7,31 a108 5,27
a52 13,22 a109 2,53
a53 5,81 a110 13,32
a54 0,86 a111 6,27
a55 5,64 a112 2,56
a56 2,05 a113 5,64
a57 2,27
108
8.9. 17. Capacidade de execução em minutos por dia no fluxo Não Alimentar
8.9. 18. Capacidade de execução em minutos com penalizações por dia no fluxo Não Alimentar
8.10. Modelo – Resultados da Aplicação ●Fluxo Alimentar
8.10. 1. Distribuição dos artigos por dia da semana na Situação Inicial no fluxo Alimentar
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
d1 d2 d3 d4 d5 d6
94 94 94 94 94 94
"Capacidade de execução em minutos" máxima admitida por dia da semana -
amostra de artigos e lojas
Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado
d1 d2 d3 d4 d5 d6
65,8 65,8 94 65,8 65,8 94
"Capacidade de execução em minutos" com penalizações
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 11535 8 6 7 5 7 4 37 6 a55 579386 8 9 6 4 8 10 45 6
a2 12445 3 5 2 2 4 2 18 6 a56 592939 7 3 8 3 3 5 29 6
a3 12451 1 - 3 - 4 4 12 4 a57 593378 10 2 3 2 2 - 19 5
a4 17127 6 6 4 2 3 4 25 6 a58 593628 5 5 5 1 1 2 19 6
a5 29045 2 - 1 - 2 - 5 3 a59 605397 8 - - - 8 - 16 2
a6 29046 - 1 1 2 - - 4 3 a60 609963 13 - 3 - 3 - 19 3
a7 31257 4 9 1 3 4 1 22 6 a61 609964 8 - 3 - 4 - 15 3
a8 33599 35 35 49 48 15 38 220 6 a62 610070 8 6 6 1 3 5 29 6
a9 33603 18 11 10 10 11 11 71 6 a63 610845 10 9 11 5 7 10 52 6
a10 37413 5 4 4 1 4 1 19 6 a64 611268 12 - 12 - 14 - 38 3
a11 41898 8 8 7 5 4 5 37 6 a65 611269 10 - 33 - 24 - 67 3
a12 47224 9 - 5 2 4 - 20 4 a66 611270 11 - 12 - 10 - 33 3
a13 51930 5 4 2 2 2 4 19 6 a67 611271 13 - 15 - 14 - 42 3
a14 61525 11 7 9 10 11 2 50 6 a68 619802 12 19 8 6 15 9 69 6
a15 61526 7 8 6 7 6 5 39 6 a69 622804 13 - 7 3 8 - 31 4
a16 66305 3 - - - 4 - 7 2 a70 623900 21 - 14 6 20 - 61 4
a17 279480 4 4 4 - 2 2 16 5 a71 630622 1 1 - 1 10 - 13 4
a18 306860 3 4 6 3 2 2 20 6 a72 630623 1 2 5 2 13 3 26 6
a19 314929 8 3 2 4 3 3 23 6 a73 636307 2 3 1 1 - - 7 4
a20 314930 6 5 6 4 4 8 33 6 a74 636330 - 5 - 3 - 1 9 3
a21 314931 5 6 6 2 2 7 28 6 a75 642318 - 5 3 1 1 2 12 5
a22 319267 - - - - 4 - 4 1 a76 642969 4 - - - 5 - 9 2
a23 319348 31 - - 88 - - 119 2 a77 646838 4 6 1 - 1 3 15 5
a24 352119 - - 8 - - - 8 1 a78 647194 10 5 7 1 6 5 34 6
a25 409109 6 - - - 13 - 19 2 a79 655958 4 6 6 3 3 4 26 6
a26 409597 4 5 2 3 5 1 20 6 a80 656038 11 - - 29 - - 40 2
a27 415679 11 - 2 3 5 3 24 5 a81 657961 5 3 4 2 5 5 24 6
a28 427621 1 2 2 2 2 2 11 6 a82 658753 6 8 3 6 17 4 44 6
a29 459131 1 - 1 - 3 - 5 3 a83 660906 2 - - 57 - - 59 2
a30 463549 39 18 29 18 17 18 139 6 a84 662157 4 4 3 3 4 5 23 6
a31 472659 3 - - - 7 - 10 2 a85 667440 5 4 9 2 7 2 29 6
a32 485854 1 1 1 - 1 1 5 5 a86 670155 17 23 22 6 14 17 99 6
a33 489534 2 5 2 1 1 4 15 6 a87 670488 2 3 3 3 8 3 22 6
a34 505500 42 - 7 - 13 - 62 3 a88 682794 3 2 2 3 13 5 28 6
a35 509118 13 18 13 7 11 16 78 6 a89 691575 - - - 45 - - 45 1
a36 512035 - 1 50 25 - 10 86 4 a90 695181 - - 40 14 1 - 55 3
a37 525690 23 13 13 14 13 14 90 6 a91 695182 3 5 4 1 3 4 20 6
a38 541456 6 - 2 - 1 - 9 3 a92 700833 6 9 4 - 19 1 39 5
a39 542268 8 1 - - - 1 10 3 a93 702010 6 3 7 2 21 6 45 6
a40 543488 1 2 2 - 3 1 9 5 a94 702241 - 30 - - 24 - 54 2
a41 544170 5 2 3 - 5 2 17 5 a95 702641 2 5 4 2 2 2 17 6
a42 545460 5 9 6 2 6 7 35 6 a96 703734 7 4 6 7 7 - 31 5
a43 548769 - - 2 - 3 1 6 3 a97 705543 - 16 1 - 20 - 37 3
a44 550171 5 5 7 2 4 4 27 6 a98 712286 6 5 7 3 8 - 29 5
a45 554119 4 7 6 3 3 4 27 6 a99 719532 5 4 4 1 7 3 24 6
a46 555238 8 - 4 2 7 - 21 4 a100 723008 3 1 7 0 17 8 36 6
a47 555245 10 - 6 3 11 - 30 4 a101 723009 4 4 3 4 21 2 38 6
a48 555258 5 - 5 1 7 - 18 4 a102 723221 5 13 6 12 22 1 59 6
a49 556846 11 - 5 2 10 - 28 4 a103 724071 2 - 7 4 8 4 25 5
a50 556847 6 0 2 1 6 - 15 5 a104 727925 - - 36 15 - 5 56 3
a51 561820 8 0 4 1 6 - 19 5 a105 729222 8 - 4 3 8 5 28 5
a52 561822 3 0 4 2 3 - 12 5 a106 733729 8 - 6 1 9 - 24 4
a53 565938 3 3 5 2 5 2 20 6 a107 736808 1 1 3 5 2 1 13 6
a54 579385 7 8 5 3 4 6 33 6
Nºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
Situação Inicial
109
8.10. 2. Distribuição dos artigos por dia da semana no Cenário Base no fluxo Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 11535 37 - - - - - 37 1 a55 579386 - - - - 45 - 45 1
a2 12445 - - - - 18 - 18 1 a56 592939 29 - - - - - 29 1
a3 12451 - - - 12 - - 12 1 a57 593378 - - - 19 - - 19 1
a4 17127 - - 25 - - - 25 1 a58 593628 19 - - - - - 19 1
a5 29045 - - - - 5 - 5 1 a59 605397 - - 16 - - - 16 1
a6 29046 - 4 - - - - 4 1 a60 609963 - - 19 - - - 19 1
a7 31257 22 - - - - - 22 1 a61 609964 - - 15 - - - 15 1
a8 33599 - 72 128 - 20 - 220 3 a62 610070 - 29 - - - - 29 1
a9 33603 - 46 - - 25 - 71 2 a63 610845 - - - - - 52 52 1
a10 37413 - - - - - 19 19 1 a64 611268 - - 38 - - - 38 1
a11 41898 - - - 23 - 14 37 2 a65 611269 - - - - 67 - 67 1
a12 47224 - - - 20 - - 20 1 a66 611270 - - 33 - - - 33 1
a13 51930 - - - 19 - - 19 1 a67 611271 - - 24 - 18 - 42 2
a14 61525 - - 32 - 18 - 50 2 a68 619802 36 - - - - 33 69 2
a15 61526 - 15 - - - 24 39 2 a69 622804 - - - - 31 - 31 1
a16 66305 - - - - 7 - 7 1 a70 623900 37 - - 24 - - 61 2
a17 279480 - - - - 16 - 16 1 a71 630622 - 13 - - - - 13 1
a18 306860 - 20 - - - - 20 1 a72 630623 26 - - - - - 26 1
a19 314929 - - - - - 23 23 1 a73 636307 - 7 - - - - 7 1
a20 314930 - 16 - - - 17 33 2 a74 636330 - 9 - - - - 9 1
a21 314931 - - 28 - - - 28 1 a75 642318 - - - - - 12 12 1
a22 319267 - - - - 4 - 4 1 a76 642969 9 - - - - - 9 1
a23 319348 38 - - 81 - - 119 2 a77 646838 - 15 - - - - 15 1
a24 352119 - - 6 - 1 1 8 3 a78 647194 - - - - - 34 34 1
a25 409109 19 - - - - - 19 1 a79 655958 - - - - 26 - 26 1
a26 409597 - 20 - - - - 20 1 a80 656038 40 - - - - - 40 1
a27 415679 24 - - - - - 24 1 a81 657961 - - - - 24 - 24 1
a28 427621 - - - - - 11 11 1 a82 658753 - 44 - - - - 44 1
a29 459131 5 - - - - - 5 1 a83 660906 59 - - - - - 59 1
a30 463549 - 66 40 - 13 20 139 4 a84 662157 - - 23 - - - 23 1
a31 472659 - - - - 10 - 10 1 a85 667440 - - - - - 29 29 1
a32 485854 1 1 - - 3 - 5 3 a86 670155 - 28 52 - - 19 99 3
a33 489534 - - - - - 15 15 1 a87 670488 - - 22 - - - 22 1
a34 505500 62 - - - - - 62 1 a88 682794 - 28 - - - - 28 1
a35 509118 - 17 15 - 34 12 78 4 a89 691575 - - - - 45 - 45 1
a36 512035 - - - 46 - 40 86 2 a90 695181 - - - 43 12 - 55 2
a37 525690 - - - - 33 57 90 2 a91 695182 - - - - 20 - 20 1
a38 541456 - 9 - - - - 9 1 a92 700833 - 39 - - - - 39 1
a39 542268 - - 10 - - - 10 1 a93 702010 - - - 45 - - 45 1
a40 543488 - - 9 - - - 9 1 a94 702241 - - - - 54 - 54 1
a41 544170 17 - - - - - 17 1 a95 702641 - - - 17 - - 17 1
a42 545460 - - - - - 35 35 1 a96 703734 - - - - - 31 31 1
a43 548769 - 6 - - - - 6 1 a97 705543 - - - 37 - - 37 1
a44 550171 27 - - - - - 27 1 a98 712286 - - - - - 29 29 1
a45 554119 - 11 16 - - - 27 2 a99 719532 24 - - - - - 24 1
a46 555238 - 21 - - - - 21 1 a100 723008 - 20 - - 16 - 36 2
a47 555245 30 - - - - - 30 1 a101 723009 - - - 38 - - 38 1
a48 555258 - - - 18 - - 18 1 a102 723221 - - 25 - - 34 59 2
a49 556846 28 - - - - - 28 1 a103 724071 - - - 25 - - 25 1
a50 556847 - - - 15 - - 15 1 a104 727925 - - - 56 - - 56 1
a51 561820 - - - 19 - - 19 1 a105 729222 - - - - - 28 28 1
a52 561822 - - - 12 - - 12 1 a106 733729 - - - - 24 - 24 1
a53 565938 - - - 20 - - 20 1 a107 736808 - - 13 - - - 13 1
a54 579385 - 33 - - - - 33 1
Cenário BaseNºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
110
8.10. 3. Distribuição dos artigos por dia da semana no Cenário 1 no fluxo Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 11535 37 - - - - - 37 1 a55 579386 - - - - - 45 45 1
a2 12445 - 18 - - - - 18 1 a56 592939 - 29 - - - - 29 1
a3 12451 - - - 12 - - 12 1 a57 593378 - - - 19 - - 19 1
a4 17127 - 25 - - - - 25 1 a58 593628 - 19 - - - - 19 1
a5 29045 - - - - - 5 5 1 a59 605397 - - 16 - - - 16 1
a6 29046 - - - - - 4 4 1 a60 609963 - - - - 19 - 19 1
a7 31257 - - - 22 - - 22 1 a61 609964 15 - - - - - 15 1
a8 33599 19 - 32 - 106 63 220 4 a62 610070 - - - 29 - - 29 1
a9 33603 - - 26 - 22 23 71 3 a63 610845 29 23 - - - - 52 2
a10 37413 - - - - - 19 19 1 a64 611268 38 - - - - - 38 1
a11 41898 14 23 - - - - 37 2 a65 611269 - - 67 - - - 67 1
a12 47224 - 20 - - - - 20 1 a66 611270 - - 33 - - - 33 1
a13 51930 - 19 - - - - 19 1 a67 611271 30 - 12 - - - 42 2
a14 61525 - 22 - - - 28 50 2 a68 619802 - - 36 - 33 - 69 2
a15 61526 - - 20 19 - - 39 2 a69 622804 - - - 31 - - 31 1
a16 66305 7 - - - - - 7 1 a70 623900 - - 43 18 - - 61 2
a17 279480 - - - - 16 - 16 1 a71 630622 - - - - - 13 13 1
a18 306860 - - - - - 20 20 1 a72 630623 - 26 - - - - 26 1
a19 314929 - - - - 23 - 23 1 a73 636307 - - - - - 7 7 1
a20 314930 - - 33 - - - 33 1 a74 636330 - 9 - - - - 9 1
a21 314931 - - - - - 28 28 1 a75 642318 - - - - - 12 12 1
a22 319267 - - - - 4 - 4 1 a76 642969 9 - - - - - 9 1
a23 319348 49 - - 70 - - 119 2 a77 646838 - - - - - 15 15 1
a24 352119 - - 8 - - - 8 1 a78 647194 - - - - - 34 34 1
a25 409109 19 - - - - - 19 1 a79 655958 - - - - - 26 26 1
a26 409597 - 20 - - - - 20 1 a80 656038 13 - 27 - - - 40 2
a27 415679 - - - 24 - - 24 1 a81 657961 - 24 - - - - 24 1
a28 427621 - - - - - 11 11 1 a82 658753 - - 22 22 - - 44 2
a29 459131 - - - - 5 - 5 1 a83 660906 35 - - 24 - - 59 2
a30 463549 48 - 43 - 48 - 139 3 a84 662157 - - - - - 23 23 1
a31 472659 10 - - - - - 10 1 a85 667440 - 29 - - - - 29 1
a32 485854 - - 5 - - - 5 1 a86 670155 - 36 32 - 31 - 99 3
a33 489534 - 15 - - - - 15 1 a87 670488 - - - 22 - - 22 1
a34 505500 - - - - 62 - 62 1 a88 682794 - 28 - - - - 28 1
a35 509118 - - 19 - 25 34 78 3 a89 691575 - - - 45 - - 45 1
a36 512035 - - - 17 69 - 86 2 a90 695181 43 - - - 12 - 55 2
a37 525690 - 47 43 - - - 90 2 a91 695182 - - - - - 20 20 1
a38 541456 - 9 - - - - 9 1 a92 700833 39 - - - - - 39 1
a39 542268 - - - - - 10 10 1 a93 702010 - - - 45 - - 45 1
a40 543488 - 9 - - - - 9 1 a94 702241 - 54 - - - - 54 1
a41 544170 - - - 17 - - 17 1 a95 702641 - - - 17 - - 17 1
a42 545460 - 35 - - - - 35 1 a96 703734 - - - - - 31 31 1
a43 548769 - - - - - 6 6 1 a97 705543 - - - 37 - - 37 1
a44 550171 27 - - - - - 27 1 a98 712286 - - - 29 - - 29 1
a45 554119 - 9 - 18 - - 27 2 a99 719532 - - - - - 24 24 1
a46 555238 - 21 - - - - 21 1 a100 723008 36 - - - - - 36 1
a47 555245 - - - 30 - - 30 1 a101 723009 - - - - - 38 38 1
a48 555258 - - - 18 - - 18 1 a102 723221 - - - 17 42 - 59 2
a49 556846 - 28 - - - - 28 1 a103 724071 - - - - - 25 25 1
a50 556847 - - - 15 - - 15 1 a104 727925 - - - - - 56 56 1
a51 561820 - 19 - - - - 19 1 a105 729222 - - - - - 28 28 1
a52 561822 - 12 - - - - 12 1 a106 733729 - - - 24 - - 24 1
a53 565938 - - - 20 - - 20 1 a107 736808 - - - - - 13 13 1
a54 579385 - 33 - - - - 33 1
Cenário 1Nºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
111
8.10. 4. Distribuição dos artigos por dia da semana no Cenário 2 (para p menor ou igual a 1) no fluxo Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 11535 - - - 37 - - 37 1 a55 579386 - - - - - 45 45 1
a2 12445 18 - - - - - 18 1 a56 592939 - - - - 29 - 29 1
a3 12451 12 - - - - - 12 1 a57 593378 - - 19 - - - 19 1
a4 17127 - - - - 25 - 25 1 a58 593628 - - 19 - - - 19 1
a5 29045 - - - - - 5 5 1 a59 605397 16 - - - - - 16 1
a6 29046 4 - - - - - 4 1 a60 609963 - - - - 19 - 19 1
a7 31257 22 - - - - - 22 1 a61 609964 - - - - 15 - 15 1
a8 33599 - - - 220 - - 220 1 a62 610070 29 - - - - - 29 1
a9 33603 - 71 - - - - 71 1 a63 610845 - 52 - - - - 52 1
a10 37413 - - 19 - - - 19 1 a64 611268 - - 38 - - - 38 1
a11 41898 37 - - - - - 37 1 a65 611269 - - - - 67 - 67 1
a12 47224 - 20 - - - - 20 1 a66 611270 - - - - 33 - 33 1
a13 51930 - - - - 19 - 19 1 a67 611271 - - 42 - - - 42 1
a14 61525 - 50 - - - - 50 1 a68 619802 - - - - - 69 69 1
a15 61526 - - - - - 39 39 1 a69 622804 - - 31 - - - 31 1
a16 66305 - - - - 7 - 7 1 a70 623900 - - 61 - - - 61 1
a17 279480 - - - 16 - - 16 1 a71 630622 - - - - - 13 13 1
a18 306860 - - - 20 - - 20 1 a72 630623 - - - - - 26 26 1
a19 314929 - 23 - - - - 23 1 a73 636307 - - - 7 - - 7 1
a20 314930 - 33 - - - - 33 1 a74 636330 - - - - 9 - 9 1
a21 314931 - 28 - - - - 28 1 a75 642318 - - - - - 12 12 1
a22 319267 - - - - - 4 4 1 a76 642969 9 - - - - - 9 1
a23 319348 119 - - - - - 119 1 a77 646838 - - - - 15 - 15 1
a24 352119 - - - 8 - - 8 1 a78 647194 - - - - - 34 34 1
a25 409109 - - 19 - - - 19 1 a79 655958 - - - - 26 - 26 1
a26 409597 - - - 20 - - 20 1 a80 656038 - - 40 - - - 40 1
a27 415679 24 - - - - - 24 1 a81 657961 - - - 24 - - 24 1
a28 427621 - - - 11 - - 11 1 a82 658753 - 44 - - - - 44 1
a29 459131 - - 5 - - - 5 1 a83 660906 - - - 59 - - 59 1
a30 463549 - - 139 - - - 139 1 a84 662157 - - 23 - - - 23 1
a31 472659 - - 10 - - - 10 1 a85 667440 - - 29 - - - 29 1
a32 485854 - - 5 - - - 5 1 a86 670155 - 99 - - - - 99 1
a33 489534 - - - - 15 - 15 1 a87 670488 - - 22 - - - 22 1
a34 505500 - - - - 62 - 62 1 a88 682794 - - - - 28 - 28 1
a35 509118 - - - - - 78 78 1 a89 691575 - - - - 45 - 45 1
a36 512035 86 - - - - - 86 1 a90 695181 55 - - - - - 55 1
a37 525690 - - - - - 90 90 1 a91 695182 - - 20 - - - 20 1
a38 541456 - - - - - 9 9 1 a92 700833 - - - - - 39 39 1
a39 542268 - - 10 - - - 10 1 a93 702010 - - - 45 - - 45 1
a40 543488 - - - - - 9 9 1 a94 702241 - - - - 54 - 54 1
a41 544170 17 - - - - - 17 1 a95 702641 17 - - - - - 17 1
a42 545460 - 35 - - - - 35 1 a96 703734 - 31 - - - - 31 1
a43 548769 - 6 - - - - 6 1 a97 705543 37 - - - - - 37 1
a44 550171 27 - - - - - 27 1 a98 712286 - - - - 29 - 29 1
a45 554119 - 27 - - - - 27 1 a99 719532 - - - - 24 - 24 1
a46 555238 - - - 21 - - 21 1 a100 723008 - - - - 36 - 36 1
a47 555245 - - - 30 - - 30 1 a101 723009 - - 38 - - - 38 1
a48 555258 - 18 - - - - 18 1 a102 723221 - - - 59 - - 59 1
a49 556846 - 28 - - - - 28 1 a103 724071 25 - - - - - 25 1
a50 556847 15 - - - - - 15 1 a104 727925 - - - - - 56 56 1
a51 561820 - - - - 19 - 19 1 a105 729222 - - - - - 28 28 1
a52 561822 - - - 12 - - 12 1 a106 733729 - 24 - - - - 24 1
a53 565938 20 - - - - - 20 1 a107 736808 - - - - 13 - 13 1
a54 579385 - - - - - 33 33 1
Cenário 2 - p<=1Nºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
112
8.10. 5. Distribuição dos artigos por dia da semana no Cenário 2 (para p menor ou igual a 3) no fluxo Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 11535 - - - 37 - - 37 1 a55 579386 - - - - - 45 45 1
a2 12445 - - - 18 - - 18 1 a56 592939 - - - - - 29 29 1
a3 12451 12 - - - - - 12 1 a57 593378 - - - 19 - - 19 1
a4 17127 - 25 - - - - 25 1 a58 593628 19 - - - - - 19 1
a5 29045 5 - - - - - 5 1 a59 605397 16 - - - - - 16 1
a6 29046 - 4 - - - - 4 1 a60 609963 - - - - 19 - 19 1
a7 31257 - - - 22 - - 22 1 a61 609964 - - - - 15 - 15 1
a8 33599 - - 36 - 86 98 220 3 a62 610070 29 - - - - - 29 1
a9 33603 - 58 - 13 - - 71 2 a63 610845 - - - - 16 36 52 2
a10 37413 - - - - - 19 19 1 a64 611268 - - - - 38 - 38 1
a11 41898 - - 15 - - 22 37 2 a65 611269 67 - - - - - 67 1
a12 47224 - 20 - - - - 20 1 a66 611270 33 - - - - - 33 1
a13 51930 - - - 19 - - 19 1 a67 611271 20 - - - 22 - 42 2
a14 61525 16 - 34 - - - 50 2 a68 619802 - 56 - - 13 - 69 2
a15 61526 - 19 - - - 20 39 2 a69 622804 - - 31 - - - 31 1
a16 66305 - - 7 - - - 7 1 a70 623900 9 - - 34 18 - 61 3
a17 279480 - - 16 - - - 16 1 a71 630622 - - - - - 13 13 1
a18 306860 - - 20 - - - 20 1 a72 630623 - - 26 - - - 26 1
a19 314929 - - - - - 23 23 1 a73 636307 - - - - 7 - 7 1
a20 314930 18 - - 15 - - 33 2 a74 636330 - - - - - 9 9 1
a21 314931 - - - - - 28 28 1 a75 642318 - - - 12 - - 12 1
a22 319267 - 2 - - - 2 4 2 a76 642969 - - - - 9 - 9 1
a23 319348 40 - - 79 - - 119 2 a77 646838 15 - - - - - 15 1
a24 352119 - 1 7 - - - 8 2 a78 647194 - - - - - 34 34 1
a25 409109 - - 19 - - - 19 1 a79 655958 - - - 26 - - 26 1
a26 409597 - - - - 20 - 20 1 a80 656038 - - 40 - - - 40 1
a27 415679 - - - - - 24 24 1 a81 657961 - 24 - - - - 24 1
a28 427621 11 - - - - - 11 1 a82 658753 - 18 26 - - - 44 2
a29 459131 - - - - 5 - 5 1 a83 660906 59 - - - - - 59 1
a30 463549 - 48 40 - 51 - 139 3 a84 662157 - - 23 - - - 23 1
a31 472659 - - 10 - - - 10 1 a85 667440 - - - - - 29 29 1
a32 485854 3 1 - - 1 - 5 3 a86 670155 34 - 18 - 47 - 99 3
a33 489534 - - - - - 15 15 1 a87 670488 - 22 - - - - 22 1
a34 505500 - - - - 62 - 62 1 a88 682794 - - - - 28 - 28 1
a35 509118 - - 28 - 24 26 78 3 a89 691575 - 45 - - - - 45 1
a36 512035 46 - - - 40 - 86 2 a90 695181 - - - 41 14 - 55 2
a37 525690 - 49 29 12 - - 90 3 a91 695182 20 - - - - - 20 1
a38 541456 - - - 9 - - 9 1 a92 700833 - 39 - - - - 39 1
a39 542268 - - - 10 - - 10 1 a93 702010 - - 45 - - - 45 1
a40 543488 - - - 9 - - 9 1 a94 702241 - - - - 54 - 54 1
a41 544170 - - - 17 - - 17 1 a95 702641 - - - 17 - - 17 1
a42 545460 - 35 - - - - 35 1 a96 703734 - 31 - - - - 31 1
a43 548769 - - 6 - - - 6 1 a97 705543 - - - 37 - - 37 1
a44 550171 27 - - - - - 27 1 a98 712286 29 - - - - - 29 1
a45 554119 - 27 - - - - 27 1 a99 719532 - - - 24 - - 24 1
a46 555238 21 - - - - - 21 1 a100 723008 20 - 16 - - - 36 2
a47 555245 - - - 30 - - 30 1 a101 723009 - - 38 - - - 38 1
a48 555258 - - - 18 - - 18 1 a102 723221 - - 59 - - - 59 1
a49 556846 - 28 - - - - 28 1 a103 724071 - - - 25 - - 25 1
a50 556847 - - - 15 - - 15 1 a104 727925 - - - - - 56 56 1
a51 561820 - - - 19 - - 19 1 a105 729222 - - - - - 28 28 1
a52 561822 - - - 12 - - 12 1 a106 733729 - 24 - - - - 24 1
a53 565938 20 - - - - - 20 1 a107 736808 - 13 - - - - 13 1
a54 579385 - - - - - 33 33 1
Cenário 2 - p<=3Nºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
113
8.10. 6. Distribuição dos artigos por dia da semana no Cenário 3 (para p menor ou igual a 3) no fluxo Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 11535 - - - 37 - - 37 1 a55 579386 - 45 - - - - 45 1
a2 12445 - 18 - - - - 18 1 a56 592939 29 - - - - - 29 1
a3 12451 - - - 12 - - 12 1 a57 593378 19 - - - - - 19 1
a4 17127 - - - - - 25 25 1 a58 593628 - - - - - 19 19 1
a5 29045 - - - - 5 - 5 1 a59 605397 - - - - 16 - 16 1
a6 29046 - - 4 - - - 4 1 a60 609963 - - - - 19 - 19 1
a7 31257 - - - 22 - - 22 1 a61 609964 - - 15 - - - 15 1
a8 33599 - 60 105 - 55 - 220 3 a62 610070 - - - - - 29 29 1
a9 33603 - 46 25 - - - 71 2 a63 610845 18 - - 34 - - 52 2
a10 37413 - - - - - 19 19 1 a64 611268 - - 38 - - - 38 1
a11 41898 37 - - - - - 37 1 a65 611269 - - - - 67 - 67 1
a12 47224 - - - 20 - - 20 1 a66 611270 - - 33 - - - 33 1
a13 51930 - 19 - - - - 19 1 a67 611271 21 - 21 - - - 42 2
a14 61525 21 - 29 - - - 50 2 a68 619802 - - - - 34 35 69 2
a15 61526 19 - - - 20 - 39 2 a69 622804 - - - 31 - - 31 1
a16 66305 7 - - - - - 7 1 a70 623900 16 31 - - 14 - 61 3
a17 279480 - 16 - - - - 16 1 a71 630622 - - - 13 - - 13 1
a18 306860 - 20 - - - - 20 1 a72 630623 - - - 26 - - 26 1
a19 314929 - - - - - 23 23 1 a73 636307 - 7 - - - - 7 1
a20 314930 14 - 19 - - - 33 2 a74 636330 - - 9 - - - 9 1
a21 314931 - 28 - - - - 28 1 a75 642318 12 - - - - - 12 1
a22 319267 - - 4 - - - 4 1 a76 642969 - - 9 - - - 9 1
a23 319348 51 - - 68 - - 119 2 a77 646838 - - - 15 - - 15 1
a24 352119 - - 8 - - - 8 1 a78 647194 - 34 - - - - 34 1
a25 409109 19 - - - - - 19 1 a79 655958 - - - 26 - - 26 1
a26 409597 - - - - - 20 20 1 a80 656038 12 - 28 - - - 40 2
a27 415679 - - - 24 - - 24 1 a81 657961 - 24 - - - - 24 1
a28 427621 - - - 11 - - 11 1 a82 658753 - 25 19 - - - 44 2
a29 459131 - - 5 - - - 5 1 a83 660906 59 - - - - - 59 1
a30 463549 - 27 - 25 87 - 139 3 a84 662157 23 - - - - - 23 1
a31 472659 10 - - - - - 10 1 a85 667440 - - - - - 29 29 1
a32 485854 - - 5 - - - 5 1 a86 670155 - 48 23 - - 28 99 3
a33 489534 - - 15 - - - 15 1 a87 670488 - - - 22 - - 22 1
a34 505500 - - - - 62 - 62 1 a88 682794 - - - - - 28 28 1
a35 509118 - - - - 26 52 78 2 a89 691575 - - - 45 - - 45 1
a36 512035 - 42 44 - - - 86 2 a90 695181 - 29 26 - - - 55 2
a37 525690 18 - - 34 38 - 90 3 a91 695182 - - - - - 20 20 1
a38 541456 - - - 9 - - 9 1 a92 700833 - - - - 39 - 39 1
a39 542268 - - - - - 10 10 1 a93 702010 - - - - - 45 45 1
a40 543488 9 - - - - - 9 1 a94 702241 - 54 - - - - 54 1
a41 544170 17 - - - - - 17 1 a95 702641 17 - - - - - 17 1
a42 545460 - - - - - 35 35 1 a96 703734 - 31 - - - - 31 1
a43 548769 - - - - 6 - 6 1 a97 705543 - - - - - 37 37 1
a44 550171 - - - 27 - - 27 1 a98 712286 - - - - - 29 29 1
a45 554119 - 12 - - 15 - 27 2 a99 719532 24 - - - - - 24 1
a46 555238 - 21 - - - - 21 1 a100 723008 - - - - 14 22 36 2
a47 555245 - - - 30 - - 30 1 a101 723009 - - - 38 - - 38 1
a48 555258 - - - 18 - - 18 1 a102 723221 - - 33 - - 26 59 2
a49 556846 - - - 28 - - 28 1 a103 724071 25 - - - - - 25 1
a50 556847 - - - 15 - - 15 1 a104 727925 - - - - - 56 56 1
a51 561820 - - - 19 - - 19 1 a105 729222 - - - - - 28 28 1
a52 561822 - - - 12 - - 12 1 a106 733729 - 24 - - - - 24 1
a53 565938 20 - - - - - 20 1 a107 736808 - - - - - 13 13 1
a54 579385 - - - - - 33 33 1
Cenário 3 - p<=3Nºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
114
●Fluxo Não Alimentar
8.10. 7. Distribuição dos artigos por dia da semana na Situação Inicial no fluxo Não Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 3686 2 - - - 4 - 6 2 a58 651323 6 - - 9 1 - 16 3
a2 19726 2 2 4 - 1 1 10 5 a59 652121 - 1 - - - - 1 1
a3 19727 3 2 1 - 1 2 9 5 a60 661831 4 - - 4 5 - 13 3
a4 34216 2 - - 1 4 - 7 3 a61 666550 1 1 - 1 3 - 6 4
a5 36436 4 - - 1 2 - 7 3 a62 667615 1 2 4 1 1 5 14 6
a6 39027 - 4 - 4 - 2 10 3 a63 667942 1 - - - 2 - 3 2
a7 47602 3 1 5 - 1 2 12 5 a64 668180 - 3 - 6 - - 9 2
a8 51841 1 4 - 3 1 - 9 4 a65 669173 - 1 - 1 - - 2 2
a9 51850 8 - - 3 6 - 17 3 a66 670931 6 - 4 3 3 - 16 4
a10 51852 3 - - 3 5 - 11 3 a67 676450 3 4 - - 5 3 15 4
a11 51854 6 - - 3 5 - 14 3 a68 681424 - 1 - - - - 1 1
a12 51857 5 - - 5 5 - 15 3 a69 683801 5 - - 10 1 10 26 4
a13 54151 - 4 2 3 4 2 15 5 a70 683881 4 - 3 1 2 4 14 5
a14 54961 1 3 - 2 1 - 7 4 a71 686604 2 2 4 1 - 3 12 5
a15 56278 8 - - 1 5 - 14 3 a72 689696 1 - 2 - - 3 6 3
a16 98951 4 - 2 - 2 - 8 3 a73 690339 - 1 - - - 1 2 2
a17 99254 3 - 2 2 3 - 10 4 a74 694382 1 - 1 1 - - 3 3
a18 102695 - 3 4 1 1 3 12 5 a75 696163 1 - 3 - - - 4 2
a19 205325 - 1 - - - 1 2 2 a76 696164 1 - 2 - - - 3 2
a20 296066 4 - 5 2 1 - 12 4 a77 696257 2 - - - - - 2 1
a21 312336 - - - - 1 - 1 1 a78 696291 2 - 1 1 1 - 5 4
a22 349157 1 6 - 3 - 2 12 4 a79 697122 2 - - 2 - 1 5 3
a23 387631 1 - 4 3 1 1 10 5 a80 698139 - - 2 3 - - 5 2
a24 398850 1 - 3 2 - - 6 3 a81 699655 6 - - - 1 - 7 2
a25 403548 5 2 - - 6 - 13 3 a82 703060 4 - 2 2 2 - 10 4
a26 411279 - - - 2 - - 2 1 a83 703919 4 - 4 8 4 5 25 5
a27 427718 6 5 5 4 5 4 29 6 a84 704586 - - 1 1 - - 2 2
a28 450879 1 4 - 2 - 2 9 4 a85 704643 3 - 1 1 1 1 7 5
a29 450931 1 - - - 1 - 2 2 a86 704644 3 3 3 1 3 2 15 6
a30 463206 5 - 1 1 5 - 12 4 a87 705125 3 5 4 2 1 2 17 6
a31 478998 - - - - 1 - 1 1 a88 706301 - 1 1 - - 1 3 3
a32 478999 13 - - - 2 - 15 2 a89 714921 - - - - 2 - 2 1
a33 499623 1 - - - 3 - 4 2 a90 721667 3 1 4 4 1 - 13 5
a34 506765 8 1 1 1 1 - 12 5 a91 723428 - 7 - 4 - - 11 2
a35 520600 5 - 2 - 1 - 8 3 a92 725549 - 6 - 6 - 3 15 3
a36 520601 - - - - 2 - 2 1 a93 726176 - - - 2 1 - 3 2
a37 526140 8 - - - 5 - 13 2 a94 727823 6 - 4 1 6 - 17 4
a38 527792 - 5 - - - - 5 1 a95 728003 1 4 - 4 - - 9 3
a39 528412 - - - 1 - - 1 1 a96 728043 6 - - 11 - 3 20 3
a40 528597 1 4 - 3 - - 8 3 a97 729489 2 - 8 9 3 - 22 4
a41 528628 - 2 - 4 1 - 7 3 a98 730286 - - - - - 1 1 1
a42 528629 2 2 - 5 - - 9 3 a99 733222 - 3 - 4 - - 7 2
a43 546492 - 3 - - - - 3 1 a100 733595 3 - - 1 2 - 6 3
a44 546530 - 7 - - - - 7 1 a101 733596 1 - - - 4 - 5 2
a45 557642 9 - 5 6 2 - 22 4 a102 733605 - - - 1 4 - 5 2
a46 558122 - - 4 - - - 4 1 a103 733606 - - - - 1 - 1 1
a47 558124 - 3 - 5 - - 8 2 a104 733735 - 11 - - - - 11 1
a48 568561 3 - 1 1 - 2 7 4 a105 737602 1 4 1 3 - - 9 4
a49 575076 1 3 4 - 5 1 14 5 a106 738178 - - - - 6 - 6 1
a50 576672 5 1 2 4 5 1 18 6 a107 738179 - - - - 7 - 7 1
a51 606921 5 1 3 5 - - 14 4 a108 738879 4 3 4 3 1 1 16 6
a52 608287 5 - 5 3 8 - 21 4 a109 743921 1 - - 1 3 - 5 3
a53 613628 4 - 4 3 3 - 14 4 a110 745019 4 5 4 6 3 4 26 6
a54 616189 - 2 - 1 - - 3 2 a111 748140 1 6 1 3 1 - 12 5
a55 628881 3 1 1 2 2 2 11 6 a112 748863 5 - - - - - 5 1
a56 640137 - - 4 - 1 - 5 2 a113 748864 7 2 - - 1 1 11 4
a57 641396 3 - - 2 1 2 8 4
Situação InicialNºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
115
8.10. 8. Distribuição dos artigos por dia da semana no Cenário Base no fluxo Não Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 3686 6 - - - - - 6 1 a58 651323 8 - 8 - - - 16 2
a2 19726 - - - - 10 - 10 1 a59 652121 - 1 - - - - 1 1
a3 19727 - - 9 - - - 9 1 a60 661831 - - - - 13 - 13 1
a4 34216 7 - - - - - 7 1 a61 666550 - - - 6 - - 6 1
a5 36436 - - - 7 - - 7 1 a62 667615 - - - - 14 - 14 1
a6 39027 - - - - - 10 10 1 a63 667942 - - - 3 - - 3 1
a7 47602 12 - - - - - 12 1 a64 668180 - 9 - - - - 9 1
a8 51841 9 - - - - - 9 1 a65 669173 - - 2 - - - 2 1
a9 51850 - - - - 17 - 17 1 a66 670931 - - - - 16 - 16 1
a10 51852 - - - 11 - - 11 1 a67 676450 - - 15 - - - 15 1
a11 51854 - - - - 14 - 14 1 a68 681424 - 1 - - - - 1 1
a12 51857 - - - 15 - - 15 1 a69 683801 - 26 - - - - 26 1
a13 54151 - - 15 - - - 15 1 a70 683881 - - - - - 14 14 1
a14 54961 7 - - - - - 7 1 a71 686604 - 12 - - - - 12 1
a15 56278 - 14 - - - - 14 1 a72 689696 - - - 6 - - 6 1
a16 98951 8 - - - - - 8 1 a73 690339 - - - - - 2 2 1
a17 99254 - - - - 10 - 10 1 a74 694382 - 2 - - - 1 3 2
a18 102695 12 - - - - - 12 1 a75 696163 - - 4 - - - 4 1
a19 205325 - - 2 - - - 2 1 a76 696164 - - 3 - - - 3 1
a20 296066 - - - 12 - - 12 1 a77 696257 - - - - - 2 2 1
a21 312336 - - - - 1 - 1 1 a78 696291 - - - 5 - - 5 1
a22 349157 - - - 12 - - 12 1 a79 697122 - - 3 - - 2 5 2
a23 387631 - - - - - 10 10 1 a80 698139 - - - - - 5 5 1
a24 398850 - - 6 - - - 6 1 a81 699655 7 - - - - - 7 1
a25 403548 - - - - 13 - 13 1 a82 703060 - - 10 - - - 10 1
a26 411279 - - - 2 - - 2 1 a83 703919 25 - - - - - 25 1
a27 427718 - - - - 29 - 29 1 a84 704586 - - 2 - - - 2 1
a28 450879 - - 9 - - - 9 1 a85 704643 - - 7 - - - 7 1
a29 450931 2 - - - - - 2 1 a86 704644 - - 15 - - - 15 1
a30 463206 - 12 - - - - 12 1 a87 705125 - - - - - 17 17 1
a31 478998 - - - 1 - - 1 1 a88 706301 - - - - - 3 3 1
a32 478999 - 15 - - - - 15 1 a89 714921 - - 2 - - - 2 1
a33 499623 4 - - - - - 4 1 a90 721667 - - - - - 13 13 1
a34 506765 - - - 12 - - 12 1 a91 723428 - 11 - - - - 11 1
a35 520600 - 8 - - - - 8 1 a92 725549 - - - 15 - - 15 1
a36 520601 - - 2 - - - 2 1 a93 726176 - - 3 - - - 3 1
a37 526140 - - - - - 13 13 1 a94 727823 17 - - - - - 17 1
a38 527792 5 - - - - - 5 1 a95 728003 - - - - 9 - 9 1
a39 528412 - - - - 1 - 1 1 a96 728043 - 20 - - - - 20 1
a40 528597 - 8 - - - - 8 1 a97 729489 22 - - - - - 22 1
a41 528628 - - - 7 - - 7 1 a98 730286 - - - - - 1 1 1
a42 528629 - - - - 9 - 9 1 a99 733222 - - - 7 - - 7 1
a43 546492 - 3 - - - - 3 1 a100 733595 - - - 6 - - 6 1
a44 546530 - 7 - - - - 7 1 a101 733596 5 - - - - - 5 1
a45 557642 - - 22 - - - 22 1 a102 733605 - - - 5 - - 5 1
a46 558122 - - - 4 - - 4 1 a103 733606 1 - - - - - 1 1
a47 558124 - - 8 - - - 8 1 a104 733735 - 11 - - - - 11 1
a48 568561 - - - - - 7 7 1 a105 737602 9 - - - - - 9 1
a49 575076 - - - - 14 - 14 1 a106 738178 - - - - - 6 6 1
a50 576672 - - - - - 18 18 1 a107 738179 - - - - 7 - 7 1
a51 606921 - 14 - - - - 14 1 a108 738879 - - - - - 16 16 1
a52 608287 - - - 21 - - 21 1 a109 743921 5 - - - - - 5 1
a53 613628 - - - 14 - - 14 1 a110 745019 - - - - - 26 26 1
a54 616189 3 - - - - - 3 1 a111 748140 - - 12 - - - 12 1
a55 628881 - 3 8 - - - 11 2 a112 748863 - - 5 - - - 5 1
a56 640137 - - 5 - - - 5 1 a113 748864 - - - - - 11 11 1
a57 641396 3 - - 5 - - 8 2
Cenário BaseNºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
116
8.10. 9. Distribuição dos artigos por dia da semana no Cenário 1 no fluxo Não Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 3686 - - - 6 - - 6 1 a58 651323 - - - - 16 - 16 1
a2 19726 - - 10 - - - 10 1 a59 652121 1 - - - - - 1 1
a3 19727 - - - - - 9 9 1 a60 661831 - - - - 13 - 13 1
a4 34216 7 - - - - - 7 1 a61 666550 - 6 - - - - 6 1
a5 36436 - - - 7 - - 7 1 a62 667615 - 14 - - - - 14 1
a6 39027 - - - 10 - - 10 1 a63 667942 - - - 3 - - 3 1
a7 47602 12 - - - - - 12 1 a64 668180 - - - - 9 - 9 1
a8 51841 9 - - - - - 9 1 a65 669173 - - - 2 - - 2 1
a9 51850 - 17 - - - - 17 1 a66 670931 - - 16 - - - 16 1
a10 51852 - - - - 11 - 11 1 a67 676450 15 - - - - - 15 1
a11 51854 - - - - 14 - 14 1 a68 681424 - 1 - - - - 1 1
a12 51857 - 15 - - - - 15 1 a69 683801 26 - - - - - 26 1
a13 54151 - - - 15 - - 15 1 a70 683881 14 - - - - - 14 1
a14 54961 - - - - 7 - 7 1 a71 686604 - - - 12 - - 12 1
a15 56278 14 - - - - - 14 1 a72 689696 - - - - 6 - 6 1
a16 98951 - - 8 - - - 8 1 a73 690339 - 2 - - - - 2 1
a17 99254 - - 10 - - - 10 1 a74 694382 - - - 3 - - 3 1
a18 102695 - - - 12 - - 12 1 a75 696163 4 - - - - - 4 1
a19 205325 - - - 2 - - 2 1 a76 696164 - - 3 - - - 3 1
a20 296066 - - - - 12 - 12 1 a77 696257 2 - - - - - 2 1
a21 312336 - - 1 - - - 1 1 a78 696291 - - - - - 5 5 1
a22 349157 12 - - - - - 12 1 a79 697122 - - 2 - - 3 5 2
a23 387631 - - - 10 - - 10 1 a80 698139 - - - - - 5 5 1
a24 398850 - 6 - - - - 6 1 a81 699655 7 - - - - - 7 1
a25 403548 13 - - - - - 13 1 a82 703060 - - - 10 - - 10 1
a26 411279 2 - - - - - 2 1 a83 703919 - 25 - - - - 25 1
a27 427718 - - - - - 29 29 1 a84 704586 - 2 - - - - 2 1
a28 450879 9 - - - - - 9 1 a85 704643 - - - - - 7 7 1
a29 450931 - - - - 2 - 2 1 a86 704644 - - - - - 15 15 1
a30 463206 - - - 12 - - 12 1 a87 705125 - - - - - 17 17 1
a31 478998 - 1 - - - - 1 1 a88 706301 - - - - 3 - 3 1
a32 478999 15 - - - - - 15 1 a89 714921 - 2 - - - - 2 1
a33 499623 4 - - - - - 4 1 a90 721667 - - - - - 13 13 1
a34 506765 - - - - 12 - 12 1 a91 723428 - 11 - - - - 11 1
a35 520600 - - 8 - - - 8 1 a92 725549 - - - - - 15 15 1
a36 520601 - - - - 2 - 2 1 a93 726176 - - 3 - - - 3 1
a37 526140 - - - - 13 - 13 1 a94 727823 - - 17 - - - 17 1
a38 527792 - - - - 5 - 5 1 a95 728003 - - - - 9 - 9 1
a39 528412 - 1 - - - - 1 1 a96 728043 - - - 20 - - 20 1
a40 528597 - - - 8 - - 8 1 a97 729489 - - 22 - - - 22 1
a41 528628 - - - 7 - - 7 1 a98 730286 - - - 1 - - 1 1
a42 528629 - - - - 9 - 9 1 a99 733222 - - - 7 - - 7 1
a43 546492 - 3 - - - - 3 1 a100 733595 - - - - 6 - 6 1
a44 546530 - 7 - - - - 7 1 a101 733596 - 5 - - - - 5 1
a45 557642 - - 22 - - - 22 1 a102 733605 - 5 - - - - 5 1
a46 558122 4 - - - - - 4 1 a103 733606 1 - - - - - 1 1
a47 558124 - - - 8 - - 8 1 a104 733735 - 11 - - - - 11 1
a48 568561 - - - - - 7 7 1 a105 737602 - - 9 - - - 9 1
a49 575076 - 14 - - - - 14 1 a106 738178 - - - - 6 - 6 1
a50 576672 - 18 - - - - 18 1 a107 738179 - - - - 7 - 7 1
a51 606921 - - 14 - - - 14 1 a108 738879 - - - 16 - - 16 1
a52 608287 - - 21 - - - 21 1 a109 743921 - - - 5 - - 5 1
a53 613628 - - - - 14 - 14 1 a110 745019 - - - - - 26 26 1
a54 616189 - 3 - - - - 3 1 a111 748140 - - 12 - - - 12 1
a55 628881 - - - - - 11 11 1 a112 748863 - - - - - 5 5 1
a56 640137 5 - - - - - 5 1 a113 748864 - - - - - 11 11 1
a57 641396 - 8 - - - - 8 1
Cenário 1Nºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
117
8.10. 10. Distribuição dos artigos por dia da semana no Cenário 2 (para p menor ou igual a 1) no fluxo Não
Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 3686 6 - - - - - 6 1 a58 651323 16 - - - - - 16 1
a2 19726 - - - - - 10 10 1 a59 652121 1 - - - - - 1 1
a3 19727 - - - - - 9 9 1 a60 661831 - - - - 13 - 13 1
a4 34216 - 7 - - - - 7 1 a61 666550 - - 6 - - - 6 1
a5 36436 - - - - 7 - 7 1 a62 667615 - - 14 - - - 14 1
a6 39027 - - 10 - - - 10 1 a63 667942 - - - - 3 - 3 1
a7 47602 - 12 - - - - 12 1 a64 668180 - - - - 9 - 9 1
a8 51841 - - - - 9 - 9 1 a65 669173 - - - - 2 - 2 1
a9 51850 - 17 - - - - 17 1 a66 670931 - - 16 - - - 16 1
a10 51852 - - - - 11 - 11 1 a67 676450 - 15 - - - - 15 1
a11 51854 - 14 - - - - 14 1 a68 681424 - 1 - - - - 1 1
a12 51857 15 - - - - - 15 1 a69 683801 - - - 26 - - 26 1
a13 54151 - - 15 - - - 15 1 a70 683881 - 14 - - - - 14 1
a14 54961 - - - - 7 - 7 1 a71 686604 12 - - - - - 12 1
a15 56278 - - - - 14 - 14 1 a72 689696 - - - - - 6 6 1
a16 98951 - - - - 8 - 8 1 a73 690339 - - - - - 2 2 1
a17 99254 - - - 10 - - 10 1 a74 694382 - 3 - - - - 3 1
a18 102695 - - - - - 12 12 1 a75 696163 4 - - - - - 4 1
a19 205325 - - - - - 2 2 1 a76 696164 - - - - 3 - 3 1
a20 296066 - - - 12 - - 12 1 a77 696257 - - - - - 2 2 1
a21 312336 - 1 - - - - 1 1 a78 696291 - 5 - - - - 5 1
a22 349157 - - 12 - - - 12 1 a79 697122 - 5 - - - - 5 1
a23 387631 - - - - - 10 10 1 a80 698139 5 - - - - - 5 1
a24 398850 - - - - 6 - 6 1 a81 699655 - - - 7 - - 7 1
a25 403548 - - - - 13 - 13 1 a82 703060 10 - - - - - 10 1
a26 411279 - - 2 - - - 2 1 a83 703919 - 25 - - - - 25 1
a27 427718 29 - - - - - 29 1 a84 704586 - - 2 - - - 2 1
a28 450879 - - - - 9 - 9 1 a85 704643 - - - - - 7 7 1
a29 450931 - - 2 - - - 2 1 a86 704644 - - - - - 15 15 1
a30 463206 12 - - - - - 12 1 a87 705125 - - - - - 17 17 1
a31 478998 1 - - - - - 1 1 a88 706301 3 - - - - - 3 1
a32 478999 15 - - - - - 15 1 a89 714921 - - - - - 2 2 1
a33 499623 - - - - 4 - 4 1 a90 721667 - - - 13 - - 13 1
a34 506765 - - - - - 12 12 1 a91 723428 - - - 11 - - 11 1
a35 520600 - - - 8 - - 8 1 a92 725549 - - - - - 15 15 1
a36 520601 - - - - 2 - 2 1 a93 726176 - 3 - - - - 3 1
a37 526140 13 - - - - - 13 1 a94 727823 - - 17 - - - 17 1
a38 527792 - - 5 - - - 5 1 a95 728003 9 - - - - - 9 1
a39 528412 - - - - 1 - 1 1 a96 728043 - - - 20 - - 20 1
a40 528597 - - - - 8 - 8 1 a97 729489 - - 22 - - - 22 1
a41 528628 7 - - - - - 7 1 a98 730286 - - - - - 1 1 1
a42 528629 - - - 9 - - 9 1 a99 733222 - 7 - - - - 7 1
a43 546492 - 3 - - - - 3 1 a100 733595 6 - - - - - 6 1
a44 546530 - 7 - - - - 7 1 a101 733596 5 - - - - - 5 1
a45 557642 - 22 - - - - 22 1 a102 733605 - 5 - - - - 5 1
a46 558122 - - 4 - - - 4 1 a103 733606 - - - - 1 - 1 1
a47 558124 - - - - 8 - 8 1 a104 733735 - 11 - - - - 11 1
a48 568561 - - - - - 7 7 1 a105 737602 - - - 9 - - 9 1
a49 575076 - - - - - 14 14 1 a106 738178 - - - - 6 - 6 1
a50 576672 - - - - - 18 18 1 a107 738179 - - - - 7 - 7 1
a51 606921 - - - - 14 - 14 1 a108 738879 - - 16 - - - 16 1
a52 608287 - - - 21 - - 21 1 a109 743921 - - - 5 - - 5 1
a53 613628 - - - 14 - - 14 1 a110 745019 - - 26 - - - 26 1
a54 616189 3 - - - - - 3 1 a111 748140 - - - 12 - - 12 1
a55 628881 - - - - - 11 11 1 a112 748863 - - - - - 5 5 1
a56 640137 5 - - - - - 5 1 a113 748864 - - - - 11 - 11 1
a57 641396 - - 8 - - - 8 1
Cenário 2 - p<=1Nºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
118
8.10. 11. Distribuição dos artigos por dia da semana no Cenário 2 (para p menor ou igual a 3) no fluxo Não
Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 3686 - 6 - - - - 6 1 a58 651323 - - - 9 - 7 16 2
a2 19726 - - 10 - - - 10 1 a59 652121 - 1 - - - - 1 1
a3 19727 - - - 9 - - 9 1 a60 661831 - - - 13 - - 13 1
a4 34216 - - - - 7 - 7 1 a61 666550 - - - - - 6 6 1
a5 36436 - 7 - - - - 7 1 a62 667615 14 - - - - - 14 1
a6 39027 - - - - - 10 10 1 a63 667942 - 3 - - - - 3 1
a7 47602 - - - 12 - - 12 1 a64 668180 - 9 - - - - 9 1
a8 51841 - 9 - - - - 9 1 a65 669173 - - 2 - - - 2 1
a9 51850 - - - 17 - - 17 1 a66 670931 16 - - - - - 16 1
a10 51852 11 - - - - - 11 1 a67 676450 - - - - 15 - 15 1
a11 51854 - - - - 14 - 14 1 a68 681424 - 1 - - - - 1 1
a12 51857 - - - 15 - - 15 1 a69 683801 - - - - 26 - 26 1
a13 54151 - 15 - - - - 15 1 a70 683881 - - 14 - - - 14 1
a14 54961 7 - - - - - 7 1 a71 686604 12 - - - - - 12 1
a15 56278 - - - - 14 - 14 1 a72 689696 - - 6 - - - 6 1
a16 98951 - - - 8 - - 8 1 a73 690339 - 2 - - - - 2 1
a17 99254 - - 10 - - - 10 1 a74 694382 1 1 - - 1 - 3 3
a18 102695 - - - - - 12 12 1 a75 696163 - - 4 - - - 4 1
a19 205325 - - 2 - - - 2 1 a76 696164 - - 3 - - - 3 1
a20 296066 - - 12 - - - 12 1 a77 696257 - - 2 - - - 2 1
a21 312336 1 - - - - - 1 1 a78 696291 5 - - - - - 5 1
a22 349157 - 12 - - - - 12 1 a79 697122 - - 3 - - 2 5 2
a23 387631 - - 10 - - - 10 1 a80 698139 - - - - - 5 5 1
a24 398850 6 - - - - - 6 1 a81 699655 - - - - 7 - 7 1
a25 403548 - - 13 - - - 13 1 a82 703060 - - 10 - - - 10 1
a26 411279 - - - - 2 - 2 1 a83 703919 - 25 - - - - 25 1
a27 427718 - - - - - 29 29 1 a84 704586 - - 2 - - - 2 1
a28 450879 - - - - 9 - 9 1 a85 704643 - - 7 - - - 7 1
a29 450931 2 - - - - - 2 1 a86 704644 - - - - - 15 15 1
a30 463206 - - 12 - - - 12 1 a87 705125 - - - - - 17 17 1
a31 478998 - - - 1 - - 1 1 a88 706301 - - 3 - - - 3 1
a32 478999 - - - 15 - - 15 1 a89 714921 - - 2 - - - 2 1
a33 499623 - - - - 4 - 4 1 a90 721667 - - - 13 - - 13 1
a34 506765 - 12 - - - - 12 1 a91 723428 - 11 - - - - 11 1
a35 520600 - - - 8 - - 8 1 a92 725549 - - - - - 15 15 1
a36 520601 - - - - 2 - 2 1 a93 726176 - - - 3 - - 3 1
a37 526140 - - - - - 13 13 1 a94 727823 - 17 - - - - 17 1
a38 527792 5 - - - - - 5 1 a95 728003 - - - - 9 - 9 1
a39 528412 - - 1 - - - 1 1 a96 728043 20 - - - - - 20 1
a40 528597 - - - 8 - - 8 1 a97 729489 22 - - - - - 22 1
a41 528628 - 7 - - - - 7 1 a98 730286 - - - - 1 - 1 1
a42 528629 - 9 - - - - 9 1 a99 733222 - - - 7 - - 7 1
a43 546492 - 3 - - - - 3 1 a100 733595 6 - - - - - 6 1
a44 546530 - 7 - - - - 7 1 a101 733596 - - - 5 - - 5 1
a45 557642 22 - - - - - 22 1 a102 733605 - - - - 5 - 5 1
a46 558122 - - - - - 4 4 1 a103 733606 - - - - 1 - 1 1
a47 558124 - - - 8 - - 8 1 a104 733735 - 11 - - - - 11 1
a48 568561 - - - - - 7 7 1 a105 737602 - 9 - - - - 9 1
a49 575076 - - - 14 - - 14 1 a106 738178 - - - - - 6 6 1
a50 576672 - - - - - 18 18 1 a107 738179 - - - - 7 - 7 1
a51 606921 - - 14 - - - 14 1 a108 738879 16 - - - - - 16 1
a52 608287 - - - - 21 - 21 1 a109 743921 - - - - 5 - 5 1
a53 613628 - - 14 - - - 14 1 a110 745019 - - - - 26 - 26 1
a54 616189 - - - - - 3 3 1 a111 748140 - - - 12 - - 12 1
a55 628881 6 - 5 - - - 11 2 a112 748863 - - 5 - - - 5 1
a56 640137 5 - - - - - 5 1 a113 748864 - - 11 - - - 11 1
a57 641396 - - - - - 8 8 1
Cenário 2 - p<=3Nºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
119
8.10. 12. Distribuição dos artigos por dia da semana no Cenário 3 (para p menor ou igual a 1) no fluxo Não
Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 3686 6 - - - - - 6 1 a58 651323 16 - - - - - 16 1
a2 19726 - - - - - 10 10 1 a59 652121 - 1 - - - - 1 1
a3 19727 - - 9 - - - 9 1 a60 661831 - - - 13 - - 13 1
a4 34216 - - - 7 - - 7 1 a61 666550 - - - - 6 - 6 1
a5 36436 - - - - 7 - 7 1 a62 667615 - 14 - - - - 14 1
a6 39027 - - - - 10 - 10 1 a63 667942 - - - 3 - - 3 1
a7 47602 - 12 - - - - 12 1 a64 668180 - - - - 9 - 9 1
a8 51841 - - - - 9 - 9 1 a65 669173 2 - - - - - 2 1
a9 51850 - - - 17 - - 17 1 a66 670931 - - 16 - - - 16 1
a10 51852 - - - 11 - - 11 1 a67 676450 - - - - 15 - 15 1
a11 51854 14 - - - - - 14 1 a68 681424 - 1 - - - - 1 1
a12 51857 - - - - 15 - 15 1 a69 683801 26 - - - - - 26 1
a13 54151 - - - - 15 - 15 1 a70 683881 14 - - - - - 14 1
a14 54961 - - - - 7 - 7 1 a71 686604 - - - 12 - - 12 1
a15 56278 - 14 - - - - 14 1 a72 689696 6 - - - - - 6 1
a16 98951 - - 8 - - - 8 1 a73 690339 - 2 - - - - 2 1
a17 99254 - - 10 - - - 10 1 a74 694382 - 3 - - - - 3 1
a18 102695 - - - 12 - - 12 1 a75 696163 - - - - 4 - 4 1
a19 205325 - - - - 2 - 2 1 a76 696164 - - - - 3 - 3 1
a20 296066 12 - - - - - 12 1 a77 696257 - - - 2 - - 2 1
a21 312336 - - 1 - - - 1 1 a78 696291 - - - - - 5 5 1
a22 349157 - - - 12 - - 12 1 a79 697122 - - 5 - - - 5 1
a23 387631 10 - - - - - 10 1 a80 698139 - - - - - 5 5 1
a24 398850 - 6 - - - - 6 1 a81 699655 7 - - - - - 7 1
a25 403548 13 - - - - - 13 1 a82 703060 - 10 - - - - 10 1
a26 411279 - - - 2 - - 2 1 a83 703919 - 25 - - - - 25 1
a27 427718 - - - - - 29 29 1 a84 704586 - - - 2 - - 2 1
a28 450879 - - - - 9 - 9 1 a85 704643 - - - - - 7 7 1
a29 450931 2 - - - - - 2 1 a86 704644 - - - - - 15 15 1
a30 463206 12 - - - - - 12 1 a87 705125 - - - - - 17 17 1
a31 478998 1 - - - - - 1 1 a88 706301 3 - - - - - 3 1
a32 478999 15 - - - - - 15 1 a89 714921 - - - - - 2 2 1
a33 499623 4 - - - - - 4 1 a90 721667 - - - - - 13 13 1
a34 506765 - - - 12 - - 12 1 a91 723428 - - - 11 - - 11 1
a35 520600 - - 8 - - - 8 1 a92 725549 - - - - - 15 15 1
a36 520601 - - - - 2 - 2 1 a93 726176 - - 3 - - - 3 1
a37 526140 - 13 - - - - 13 1 a94 727823 - - 17 - - - 17 1
a38 527792 - 5 - - - - 5 1 a95 728003 - - - - 9 - 9 1
a39 528412 - - 1 - - - 1 1 a96 728043 - - - - 20 - 20 1
a40 528597 - - - - 8 - 8 1 a97 729489 - - 22 - - - 22 1
a41 528628 - - - 7 - - 7 1 a98 730286 - 1 - - - - 1 1
a42 528629 - - - 9 - - 9 1 a99 733222 - 7 - - - - 7 1
a43 546492 - 3 - - - - 3 1 a100 733595 - - - 6 - - 6 1
a44 546530 - 7 - - - - 7 1 a101 733596 - 5 - - - - 5 1
a45 557642 - - 22 - - - 22 1 a102 733605 - - - 5 - - 5 1
a46 558122 - - - 4 - - 4 1 a103 733606 - 1 - - - - 1 1
a47 558124 8 - - - - - 8 1 a104 733735 - 11 - - - - 11 1
a48 568561 - - - - - 7 7 1 a105 737602 - - 9 - - - 9 1
a49 575076 - 14 - - - - 14 1 a106 738178 - - - - 6 - 6 1
a50 576672 - - - 18 - - 18 1 a107 738179 - 7 - - - - 7 1
a51 606921 - - 14 - - - 14 1 a108 738879 - - - - 16 - 16 1
a52 608287 - - 21 - - - 21 1 a109 743921 5 - - - - - 5 1
a53 613628 - 14 - - - - 14 1 a110 745019 - - - - - 26 26 1
a54 616189 - - - 3 - - 3 1 a111 748140 - - 12 - - - 12 1
a55 628881 - - - - - 11 11 1 a112 748863 - - - - - 5 5 1
a56 640137 - - - - 5 - 5 1 a113 748864 - - - - - 11 11 1
a57 641396 - - - 8 - - 8 1
Cenário 3 - p<=1Nºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo
120
8.10. 13. Distribuição dos artigos por dia da semana no Cenário 3 (para p menor ou igual a 3) no fluxo Não
Alimentar
Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido Set ID_Artigo Segunda-Feira Terça-Feira Quarta-Feira Quinta-Feira Sexta-Feira Sábado Total #Dias Pedido
a1 3686 - - - - 6 - 6 1 a58 651323 - - - - 16 - 16 1
a2 19726 - - 10 - - - 10 1 a59 652121 1 - - - - - 1 1
a3 19727 - - - - - 9 9 1 a60 661831 - - - 13 - - 13 1
a4 34216 - - - - 7 - 7 1 a61 666550 - - - 6 - - 6 1
a5 36436 7 - - - - - 7 1 a62 667615 - - - 14 - - 14 1
a6 39027 10 - - - - - 10 1 a63 667942 - - - - 3 - 3 1
a7 47602 12 - - - - - 12 1 a64 668180 - - - 9 - - 9 1
a8 51841 - 9 - - - - 9 1 a65 669173 - - 2 - - - 2 1
a9 51850 - 17 - - - - 17 1 a66 670931 - - 16 - - - 16 1
a10 51852 - 11 - - - - 11 1 a67 676450 15 - - - - - 15 1
a11 51854 14 - - - - - 14 1 a68 681424 - 1 - - - - 1 1
a12 51857 - - - 15 - - 15 1 a69 683801 26 - - - - - 26 1
a13 54151 - 15 - - - - 15 1 a70 683881 - - - - 14 - 14 1
a14 54961 7 - - - - - 7 1 a71 686604 12 - - - - - 12 1
a15 56278 - - - 14 - - 14 1 a72 689696 6 - - - - - 6 1
a16 98951 - - 8 - - - 8 1 a73 690339 - - - - 2 - 2 1
a17 99254 - - 10 - - - 10 1 a74 694382 - - - 2 1 - 3 2
a18 102695 12 - - - - - 12 1 a75 696163 - - - - 4 - 4 1
a19 205325 2 - - - - - 2 1 a76 696164 3 - - - - - 3 1
a20 296066 - 12 - - - - 12 1 a77 696257 - - - - 2 - 2 1
a21 312336 - - 1 - - - 1 1 a78 696291 - - - - - 5 5 1
a22 349157 - - - - 12 - 12 1 a79 697122 - - 2 - - 3 5 2
a23 387631 - - - 10 - - 10 1 a80 698139 - - - - - 5 5 1
a24 398850 - - - 6 - - 6 1 a81 699655 - - - - 7 - 7 1
a25 403548 - 13 - - - - 13 1 a82 703060 - - - 10 - - 10 1
a26 411279 - 2 - - - - 2 1 a83 703919 - - - - 25 - 25 1
a27 427718 - - - - - 29 29 1 a84 704586 - - - 2 - - 2 1
a28 450879 9 - - - - - 9 1 a85 704643 - - - - - 7 7 1
a29 450931 - - - - 2 - 2 1 a86 704644 - - - - - 15 15 1
a30 463206 - - - 12 - - 12 1 a87 705125 - - - - - 17 17 1
a31 478998 - - - - 1 - 1 1 a88 706301 3 - - - - - 3 1
a32 478999 15 - - - - - 15 1 a89 714921 - - 2 - - - 2 1
a33 499623 - - - 4 - - 4 1 a90 721667 - - - - - 13 13 1
a34 506765 - - - - 12 - 12 1 a91 723428 - - - 11 - - 11 1
a35 520600 - - 8 - - - 8 1 a92 725549 - - - - - 15 15 1
a36 520601 - - 2 - - - 2 1 a93 726176 - - - - 3 - 3 1
a37 526140 - - - 13 - - 13 1 a94 727823 - - 17 - - - 17 1
a38 527792 5 - - - - - 5 1 a95 728003 9 - - - - - 9 1
a39 528412 1 - - - - - 1 1 a96 728043 - 20 - - - - 20 1
a40 528597 - - - - 8 - 8 1 a97 729489 - - 22 - - - 22 1
a41 528628 - - - - 7 - 7 1 a98 730286 1 - - - - - 1 1
a42 528629 - - - - 9 - 9 1 a99 733222 - - - 7 - - 7 1
a43 546492 - 3 - - - - 3 1 a100 733595 - - - 6 - - 6 1
a44 546530 - 7 - - - - 7 1 a101 733596 - - - 5 - - 5 1
a45 557642 - - 22 - - - 22 1 a102 733605 - - - 5 - - 5 1
a46 558122 - - - 4 - - 4 1 a103 733606 - - - - 1 - 1 1
a47 558124 - - - 8 - - 8 1 a104 733735 - 11 - - - - 11 1
a48 568561 - - - - - 7 7 1 a105 737602 - - 9 - - - 9 1
a49 575076 - 14 - - - - 14 1 a106 738178 - - - - 6 - 6 1
a50 576672 - - - - 18 - 18 1 a107 738179 - 7 - - - - 7 1
a51 606921 - - 14 - - - 14 1 a108 738879 - 16 - - - - 16 1
a52 608287 - - 21 - - - 21 1 a109 743921 - - - - 5 - 5 1
a53 613628 - 14 - - - - 14 1 a110 745019 - - - - - 26 26 1
a54 616189 3 - - - - - 3 1 a111 748140 - - 12 - - - 12 1
a55 628881 - - - - - 11 11 1 a112 748863 - - - - - 5 5 1
a56 640137 - - - - 5 - 5 1 a113 748864 - - - - - 11 11 1
a57 641396 4 4 - - - - 8 2
Cenário 3 - p<=3Nºmédio de caixas no armazém numa semana pedidas pelas lojas em estudo