Upload
phungtruc
View
219
Download
1
Embed Size (px)
Citation preview
PREVENÇÃO A PERDAS E CONTROLE DE ESTOQUES
EM UMA EMPRESA DE BEBIDAS NO RIO DE JANEIRO
Bernardo Bandeira Ribeiro
Projeto de Graduação apresentado ao
Curso de Engenharia de Produção da
Escola Politécnica, Universidade Federal
do Rio de Janeiro, como parte dos
requisitos necessários à obtenção do
título de Engenheiro.
Orientador: Maria Alice Ferruccio da Rocha
Rio de Janeiro
Abril de 2016
PREVENÇÃO A PERDAS E CONTROLE DE ESTOQUES
EM UMA EMPRESA DE BEBIDAS NO RIO DE JANEIRO
Bernardo Bandeira Ribeiro
PROJETO DE GRADUAÇÃO SUBMETIDO AO CORPO DOCENTE DO
CURSO DE ENGENHARIA DE PRODUÇÃO DA ESCOLA POLITÉCNICA DA
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE DOS
REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE
ENGENHEIRO DE PRODUÇÃO.
Examinado por:
________________________________________________
Prof. Maria Alice Ferruccio da Rocha, D.Sc.
________________________________________________
Prof. Edison Renato Pereira da Silva, D. Sc.
________________________________________________
Eliandro Peres, SSMBB
RIO DE JANEIRO, RJ - BRASIL
ABRIL de 2016
ii
Ribeiro, Bernardo Bandeira
Prevenção a perdas e controle de estoques em uma empresa de bebidas no Rio de Janeiro/ Bernardo Bandeira Ribeiro – Rio de Janeiro: UFRJ/ Escola Politécnica, 2016.
IV, XLV p.: il.; 29,7 cm. Orientador: Maria Alice Ferruccio da Rocha Projeto de Graduação – UFRJ/ POLI/ Curso de
Engenharia de Produção, 2016. Referências Bibliográficas: p. 45 1. Estoque. 2. Perda. 3. Controle. 4. Roubo I. Da
Roda, Maria Alice Ferruccio II. Universidade Federal do Rio de Janeiro, UFRJ, Curso de Engenharia de Produção. III. Prevenção a perdas e controle de estoques em uma empresa de bebidas no Rio de Janeiro.
iii
Aos meus pais e minha irmã, pelo apoio incondicional,
Á minha turma da UFRJ, sem eles a faculdade não teria sido a mesma,
Ao meu avô, quem sempre torceu por esse momento.
iv
Resumo do Projeto de Graduação apresentado à Escola Politécnica/ UFRJ como parte
dos requisitos necessários para a obtenção do grau de Engenheiro de Produção.
Prevenção a perdas e controle de estoques
em uma empresa de bebidas no Rio de Janeiro
Bernardo Bandeira Ribeiro
Abril/2016
Orientador: Maria Alice Ferruccio da Rocha
Curso: Engenharia de Produção
O presente projeto de graduação tem como objetivo o estudo de caso da gestão de estoques de uma grande companhia de bebidas brasileira com viés de prevenção de perdas e controle de seus ativos físicos. O estudo restringiu-se a unidades no estado do Rio de Janeiro por este ser o local de maior incidência da chamada diferença de estoques. O caso extratifica dados e utiliza ferramentas estatísticas para em cima dos pontos mais críticos propor ações de melhoria e controle efetivo da Companhia.
Palavras-chave:
1. Estoque 2. Controle 3. Perda 4. Roubo 5. PDCA 6. Inventário
v
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of
the requirements for the degree of Industrial Engineer.
Loss prevention and Stock Control in a Beverage Company in Rio de Janeiro
Bernardo Bandeira Ribeiro
Abril/2016
Advisor: Maria Alice Ferruccio da Rocha
Course: Industrial Engineering
Abstract
The objective of the following undergraduate project is the case study of the stock
management from a big beverage Brazilian company with focus on its loss prevention
and stock control of it assets. The case study is restricted to the warehouses located at
the state of Rio de Janeiro due to the fact that it is the place with higher stock
difference on its inventory.
The case uses data and statistical tools to light up the critical points and suggest
improvements and better control for such company.
Keywords:
1. Stock 2. Control 3. Loss 4. Stealing 5. PDCA 6. Inventory
vi
ÍNDICE
INTRODUÇÃO 1
MOTIVAÇÃO 1 METODOLOGIA 2
1. DEFINIÇÃO 4
3.1 CONCILIAÇÃO DIÁRIA 6 3.2 INVENTÁRIO MENSAL 6 3.2.1 CLIENTES 8 3.2.2 FORNECEDORES 9 3.2.3 INPUTS E OUTPUTS 9 3.3 ESCOPO DO LOCAL 10
2. MEDIÇÕES 11
2.1. DEFININDO UM OBJETIVO 21 4.2 BENCHMARK 23
3. ANÁLISE 24
5.1 SKUS 27 5.2 SAZONALIDADE TEMPORAL 30 5.3 ARÉAS DE RISCO 31 5.4 O CENTRO DE DISTRIBUIÇÃO 33 5.5 BLITZ DE CARREGAMENTO 34
4. MELHORIA 36
4.1. TRUCK SCAN 36
5. CONTROLE 43
6. CONCLUSÃO 44
7. BIBLIOGRAPHY 45
1
INTRODUÇÃO
Motivação
A Engenharia de Produção na Escola Politécnica da Universidade Federal do
Rio de Janeiro (POLI/UFRJ) é uma formação que visa permitir que seus formados
estejam aptos a trabalhar no mercado de forma a planejar, implementar, avaliar e
controlar sistemas de produção ou sistemas de suporte a este.
O engenheiro de produção deve buscar constantemente aproximar-se da
operação, e fazer com que todas as partes envolvidas no sistema sejam consideradas
em suas decisões e mapeamentos de processos.
O tema deste Projeto de Graduação aproxima-se da proposta do curso, onde
se busca agrupar diversos conhecimentos adquiridos nas análises e soluções
propostas e posteriormente implementadas e controladas. O projeto ocorre em uma
grande empresa de bebidas brasileira, presente em todos os estados e é considerada
uma companhia verticalizada, uma vez que controla o processo desde a produção de
suas bebidas em fábricas próprias até a entrega em pontos-de-venda (PDV) por todo o
país. O foco do projeto, no entanto, são os Centros de Distribuição Direta (CDD) do
Estado do Rio de Janeiro.
A companhia é fortemente conhecida por seu perfil agressivo e de
implementação de cultura de processos, padrões, qualidade e controle de orçamento.
Dito isto, mostra-se, portanto, a importância que o prejuízo acaba por ter dentro desta,
uma vez que é fruto de uma possível quebra de processos e que acarreta em perdas
financeiras.
As fontes de informações foram disponibilizadas, assim como o acesso a
diversos níveis da operação, o que incluiu desde operadores de empilhadeiras até
diretores. Algumas restrições foram impostas sobre os valores financeiros investidos
nas soluções de melhorias, restrigindo, portanto análise de pay-back ou demais
viabilidades econômicas e retornos de investimento.
2
A empresa conta atualmente com 111 centros de distribuição próprios e cerca
de 30 revendedores terceiros, que apesar de terem sua gestão pautada pela
companhia, possuem um proprietário terceiro remunerado em cima de suas vendas, e
essa dimensão deixa evidente a possibilidade de implantação e estudo ainda
disponível nas demais unidades. A falta de acuracidade de dados do estoque acarreta
em uma redução do nível de serviço e aumenta os custos relacionados à atividade
logística (BASINGER, 2006).
O estudo foi sugerido pelos diretores corporativos de Logística e Financeiro,
uma vez que conforme processo a ser demonstrado à frente, tais áreas são as
principais donas dos processos de armazém e orçamento. O prejuízo da companhia
em termos gerais é computado em uma série de classificações como prejuízo com
quebras, prejuízo com sinistros na rua, prejuízo por erro de programação, prejuízo
com qualidade, ou então, o foco do estudo, prejuízo com diferença de estoque. Essas
diversas variáveis têm pesos distintos dentro do pacote, e segundo uma média dos
últimos dois anos, a variável Diferença de estoque é inferior apenas a de Sinistros.
Metodologia
Para realizar cada uma das etapas da metodologia definida, o DMAIC, foram
necessárias uma série de análises com uso de ferramentas como Minitab e excel. As
palavras define, measure, analyze, improve e control foram traduzidas do inglês da
sigla e pretendem guiar o trabalho nas demais seções. Na teoria das rotinas
organizacionais, DMAIC é uma metarotina: uma rotina para alterar rotinas
estabelecidas ou para desenvolver novas rotinas (Schroeder, 2008)
O DMAIC é proveniente da metodologia Six Sigma, que foi criada no inicio dos
anos 80 na Motorola, grande empresa de aparelhos celulares que em conjunto com
pesquisadores da Universidade do Arizona começaram a buscar um modelo que
reduzisse as falhas e quebras, melhorando a qualidade dos produtos e satisfação final
3
do consumidor. Alguns anos mais tarde, o professor Dr. Mikael Harry, da mesma
universidade, implementou na General Eletrics (GE) essa segunda fase do Six Sigma,
com a metodologia DMAIC, analisando previamente os dados antes de imergir de
forma absoluta no problema.
A primeira fase, traduzida como “definir” tem por escopo entender o problema
em seu contexto, e a partir dai poder definir o escopo de trabalho. Em seguida, em
“medir”, tentamos através dos dados mensurar o tamanho do problema. Na terceira
fase busca-se entrar nas análises, ai sim explicando os maiores impactos, onde serão
necessários os maiores esforços e melhorias. Na quarta etapa, através de todas as
conclusões anteriores, são propostas melhorias direcionadas, uma vez que já
entende-se onde devem ser canalizados os esforços. E por último, complementando
novamente a ideia central para um Engenheiro de Produção busca-se controlar as
ações obtidas para efeitos de uma implementação sustentável e de longo prazo.
Conforme pretende mostrar, as ações sugeridas geram um gasto inerente em
algumas soluções, e portanto foi determinado um orçamento máximo definido pela
diretoria Financeira, disponibilizado em troca de ganhos na redução de prejuízos.
A diferença de estoque é uma perda inerente em muitas companhias de bem
de consumos, no entanto, o aumento dessa, em um momento em que processos
estavam sendo reforçados passava a preocupar a companhia.
4
1. DEFINIÇÃO
A letra D da metodologia DMAIC refere-se a palavra em inglês, define, que quer
definir. Nessa fase é o momento em que situa-se no problema e através de histórico
ou outros dados tenta-se garantir que a anomalia é de fato um problema complexo que
necessita das demais fases para seu desenvolvimento. Neste capítulo pretende-se
validar que a diferença de estoque ocorreu, que aumentou por um descontrole no
processo, e por isso deve ser analisada a fundo.
Figura 1: Representatividade da diferença de estoque no prejuízo das unidades do Rio de Janeiro –
Fonte: Autor
A diferença de estoque é uma variável computada no orçamento e livros contábeis
da companhia que além das perdas financeiras diretas, representadas pelos valores
baixados, também pode ser considerada sob o ponto de vista das perdas não
tangíveis como o tempo em que uma linha de produção foi utilizada para produzir
aquele montante de produtos que nunca chegou ao seu destino final da forma correta.
De acordo com (CORREA, 2011), estoque são acúmulos de recursos materiais
entre fases específicas de processos. No caso do estudo, poderemos considerar as
bebidas em espera no armazém como um recurso que está a espera de seu destino
final, a venda no ponto de venda.
Conforme mencionado anteriormente, a diferença de estoque é parte do prejuízo
total da companhia, e entre os anos de 2010 e 2013 essa linha era de baixa
Stock Diff Losses
5
representatividade nos valores absolutos do prejuízo do Rio de Janeiro. A partir do ano
de 2013 os valores passam a ser mais representativos de forma absoluta.
No mapeamento geral do processo de abastecimento de um estoque, os produtos
devem entrar fisicamente e contabilmente principalmente a partir de um movimento de
puxada ou empurrada da fábrica. A puxada ou empurrada é o envio de produtos da
fábrica para abastecer o estoque, os nomes diferenciam quem foi o solicitante desse
envio, quando a unidade quem solicita, chama-se puxada, quando a fábrica envia sem
prévio alinhamento, chama-se empurrada. Dessa forma, ao entrar pela portaria do
centro de distribuição direta, deveriam passar a constar nos estoques tais movimentos,
e as saídas apenas ocorreriam quando vendidos para pontos de venda, após o que
carregamento e emissão de nota fiscal para computar a saída física e contabilmente.
No entanto, o processo conta com algumas variações adicionais que tornam esse
fluxo um pouco mais complexo. Além de devoluções de mercadorias, existem
transferências, quebras, comodatos, e erros de sistema, e por isso os valores acabam
por mostrar divergências. Apesar de todas essas particularidades, entende-se que
estas devem ser controladas utilizando os métodos determinados, e ai então, toda a
diferença que sobrar seria os valores a compor a variável diferença de estoque.
A diferença de estoque é reconhecida em alguns processos pré-estabelecidos
pela Companhia, e quando confirmada é computada no sistema. A empresa conta
com um sistema de padronização de processos chamado Distribution Process
Optimization (DPO). Tal sistema contém uma série de processos e padrões para que
os diversos tipos de prejuízo possam ser identificados e computados da forma correta.
Para os casos de diferença de estoque há a descrição de dois processos que são
os principais meios de se identificar as divergências. São eles a conciliação diária e o
inventário mensal.
6
1.1 Conciliação Diária
O processo conhecido como conciliação diária consiste em um conferente do time
da logística passando diariamente pelo estoque e contabilizando em um palmtop as
quantidades observadas de cada tipo de produto ali presente. Ao fim dessa contagem
rápida, tal aferição é cruzada no sistema com os valores contábeis apresentados no
sistema de forma a identificar as divergências.
O processo apresenta divergências constantes de pequenas quantidades, uma
vez que o estoque não está congelado, e muitas vezes o contábil pode já contar com
valores de produtos puxados da fábrica e ainda não incorporados ao estoque ou
produtos devolvidos do mercado não contabilizados no estoque, ou mesmo
carregamentos de entregas ainda não computados.
A conciliação diária funciona como uma prévia da diferença de estoque,
entretanto, caso um mesmo produto apresente uma diferença constante em quatro
dias de uma mesma semana, o setor responsável pelo controle de estoque tem
autorização para computar tal perda e portanto eliminá-la do contábil nas sextas-feiras.
1.2 Inventário Mensal
O inventário mensal é o principal input da diferença de estoque e é um dos
principais processos em que Logística e Financeiro tem de sinergia. Anualmente todas
as unidades recebem um calendário com dois possíveis domingos em cada mês do
ano em que estão autorizados a realizar seus inventários. Toda unidade é obrigada a
realizar um inventário por mês, e por isso, as duas possíveis datas únicas para todo o
Brasil, de forma a obrigar a operação a parar nesses dias e ter seus estoques
congelados.
O congelamento do estoque é um dos principais itens a ser seguidos para a boa
realização do inventário, dessa forma-se garante-se que todas as entregas deverão
ser feitas até o sábado no máximo, as puxadas da fábrica só são permitidas até a
7
sexta-feira anterior, e processos como trocas por inversão, transferências de produtos
entre unidades ou comodatos de ativos são travados na quarta-feira que precede o
inventário. Tais medidas são essenciais e constam no padrão de realização de
inventários, de forma que toda a companhia tem que cumprir para que ajude em um
saldo contábil limpo dos Produtos Acabados (PA) e uma carta de saldo verdadeira
para os Ativos de Giro (AG) e equipamentos como refrigeradores e chopeiras.
No dia do inventário mensal, uma série de duplas são convocadas de diversas
áreas da companhia. As duplas devem ser formadas por um Auditor e por um Auxiliar.
Essa divisão visa garantir uma contagem confiável e o correto registro no palm-top dos
produtos contados. O Auditor é em geral um membro do departamento financeiro da
Unidade, e o Auxiliar um membro da logística que não seja conferente ou do controle.
Dessa forma, o funcionário que trabalha com a logística diariamente auxilia na
identificação dos produtos e seus códigos, assim como a organização do armazém,
enquanto o do financeiro garante a correta contagem do estoque.
Toda a área do armazém é dividida em endereços de contagem, e cada dupla
recebe uma certa quantidade de endereços para realizar a contagem, e uma outra
quantidade referente a uma recontagem. Assim, todo o estoque é contado no mínimo
por duas duplas diferentes e os números são confrontados.
Ao final do primeiro ciclo, as contagens são descarregadas em sistema, e todo
produto com divergência é recontado por uma terceira dupla, e possivelmente por uma
quarta dupla quando essa terceira aferição não confere com nenhum dos dois valores
iniciais. No caso de uma divergência constante nas quatro contagens, torna-se
responsabilidade do Gerente Financeiro (GF) e do Gerente de Operações e
Distribuição (GOD) realizar uma quinta auditoria e o número por eles registrado será o
final do físico.
De posse de todas as contagens físicas, o Gerente Financeiro, como dono do
processo de inventário e dos ativos da Companhia tem como obrigação realizar o
download dos relatórios contábeis, e ao fazer upload destes no sistema,
8
automaticamente são apontadas as divergências em termos de quantidade e de
valores absolutos. Esses números representam o prejuízo a ser registrado nos livros
contábeis, e portanto, tratam-se de valores a preço de custo de puxada, ou seja, o
custo de produção somado ao valor incidente de impostos após saída da fábrica, mas
sem margens de custo e custos indiretos associados a este ainda.
De forma geral, após esse último confronto seria o resultado real, no entanto, em
muitos casos existem justificativas a serem feitas, que referem-se a problemas que
não puderam ser tratados a tempo ou exceções aos padrões que tenham ocorridos.
Nesse momento, o controle da Unidade já apresenta mapeamentos prévios ao gerente
financeiro como sinistros de caminhões que ainda não saíram do saldo contábil,
puxadas realizadas fora do padrão, ou transferências entre Unidades aprovadas em
caráter de exceção.
Ao fim do processo, o gerente financeiro e o gerente de operações e distribuição
contabilizam as perdas reais e realiza as baixas das diferenças e submete tais
números para ciência e aprovação da Especialista de Prevenção à Perdas (EPP) do
Gerente Regional Financeiro (GRF) e do Gerente Regional de Operações (GRO).
No processo de inventário podemos identificar uma cadeia de valor e quais os
principais fornecedores e clientes destes a partir dos processos realizados.
1.2.1 Clientes
Os principais clientes no processo são: o time de vendas, o controle e o
financeiro. O departamento de vendas tem necessidade de ver uma real imagem do
estoque no sistema e suas quantidades para saber o quanto tem disponível para suas
vendas e ações. O controle por ser parte de seu processo diário e por ter que garantir
o estoque de acordo com o contábil e para ter a visibilidade da real necessidade de
produtos a ser puxada. É essencial que estejam com o estoque refletindo o contábil
para uma correta apuração pelo setor financeiro, que aparece como um terceiro cliente
crucial.
9
O departamento financeiro aparece como cliente, uma vez que é o dono não
apenas dos ativos da empresa, mas também, do orçamento e dos livros contábeis.
Como empresa de capital aberto, a Companhia tem como obrigação prestar contas e
explicar o prejuízo obtido anualmente, e esse controle torna-se importante.
1.2.2 Fornecedores
Como principal fornecedor do processo de inventário aparece as fábricas e
transportadores terceiros utilizados. Esses são os grandes responsáveis pelo
abastecimento correto do estoque quando disparada a necessidade de puxada. No
entanto, é possível mapear as portarias e o time de conferentes de Unidades como
partes fornecedoras crítica nesse processo.
As portarias tem em seu escopo fazer uma conferência visual do caminhão que
entra com os produtos ali presentes, e os conferentes que fazem uma verificação mais
apurada e chamada de cega, sem a nota fiscal antes de dar input no sistema.
Qualquer problema ali notado deve ser prontamente dirigido à fábrica para tratamento,
e caso contrário a carreta deve ser devolvida.
1.2.3 Inputs e Outputs
Para que os processos ocorram da forma correta, também são necessários alguns
inputs e outputs. Dentre eles pode-se listar sistemas como o SAP da Oracle, a relação
de produtos da companhia, fornecida através de sistema interno chamado Promax e
as necessidades de vendas listadas a partir de um Acordo de Nível de Serviço (ANS)
criticado semanalmente pelos gerentes de vendas.
Como outputs podem ser identificados os valores computados no orçamento
contábil da Companhia, o real valor de estoque presente no armazém, e os eventuais
problemas que estão ocorrendo dentro deste que estavam sem visibilidade adequada.
10
1.3 Escopo do Local
O presente estudo tem como objetivo o foco nos Centros de Distribuição Direta
localizados no estado do Rio de Janeiro. A empresa conta com 11 CDDs, cada um
responsável por entregar em uma área geográfica pré-definida em seu entorno. De
acordo com o tamanho da unidade tal base de pontos de vendas pode ser muito
superior a outras, e por isso as unidades são classificadas entre pequenas, médias e
grandes. e estes são: CDD Jacarepaguá, CDD São Cristóvão, CDD Niterói, CDD Nova
Iguaçu, CDD Pavuna, CDD Campos, CDD Itaperuna, CDD Nova Friburgo, CDD
Petrópolis, CDD Volta Redonda e CDD Campo Grande.
Para o presente estudo, a Unidade de Campo Grande não será considerada por
estar localizada dentro de uma fábrica, e portanto, seu estoque trata-se do estoque
fabril. Adicionalmente, tal unidade é a responsável pelas entregas aos clientes de
Auto-Serviço (AS), os supermercados de médio e grande porte, e por isso o volume
movimentado é todo controlado diretamente pela fábrica adjacente.
11
2. MEDIÇÕES
Para entender a dimensão do problema da gestão de perdas de ativos, o primeiro
passo foi mensurar os valores que se tinha histórico mensalmente para as
contabilizações de prejuízo em geral e de diferença de estoque nos CDDs do Rio de
Janeiro. Por ser uma Companhia de bebidas, uma série de valores é calculado com
base no volume. Por efeito de escala, o volume é medido em hectolitros que
representam 100 litros. Abaixo, dois gráficos mostram a evolução do valor perdido por
hectolitro em prejuízo em geral, e não apenas na diferença de estoque.
0,1
3
0,1
1
0,1
6
0,2
1
0,1
9
0,0
9
0,1
3
0,0
8
0,1
5
0,0
4
0,0
5
0,1
0
-0,0
1
0,1
0 0,4
1
0,2
7
0,2
6
-0,0
5
0,2
7
-0,2
0
0,7
3
0,5
3
0,2
7
0,1
1
0,2
7
0,3
5
0,9
7
0,6
2
0,8
3
0,8
7
-0,0
8 0
,48
1
,80
0
,23
-0
,10
1
,21
-0
,24
2
,15
2,5
8
1,5
0
-0,5
2
0,4
1
0,9
3
0,0
1
-1
-0,5
0
0,5
1
1,5
2
2,5
3 Diferença de Estoque ($)/hl
1,6
2
0,3
2 1
,19
0
,24
2
,38
0
,72
1
,05
0
,30
0
,64
1
,16
0
,85
1
,01
-0
,75
1
,86
0
,99
0
,89 1,3
0
1,3
5
1,6
6
1,4
6
1,6
8 2,3
3
0,3
2
0,4
8
2,4
7
1,8
4
4,0
9
1,7
0
2,1
5
1,6
8
2,1
3
1,6
1
1,4
1
3,7
5
0,3
7
4,5
2 5
,52
5
,38
2
,25
2
,42
2
,71
2
,05
-0
,22
1
,93
-2
-1
0
1
2
3
4
5
6
7 Prejuízo($)/hl
Figura 2: Valores de prejuízo por HL no Rio de Janeiro – Fonte: Autor
Figura 3: Valor perdidos em Diferença de Estoque por hl no Rio de Janeiro – Fonte: Autor
12
No entanto, apesar de os gráficos já evidenciarem um aumento real entre os
valores absolutos do pacote e da variável diferença de estoque, buscou-se entender
estatisticamente que o peso da diferença de estoque dentro do pacote prejuízo
manteve-se constante ou mudou ao longo do tempo. Tal análise é importante, pois
apenas assim poderíamos validar a afirmação inicial de um aumento expressivo na
diferença de estoque.
O peso da variável indicaria também que nenhum outro tipo de prejuízo estaria
sendo alocado de forma errada. Por problemas internos, e principalmente erros de
processos, era possível que quebras não estivessem sendo mapeadas, ou devoluções
não estivessem sendo realizadas para fábrica pelo processo correto, e dessa forma,
muitas coisas estariam entrando nas diferenças mapeadas nos inventários mensais.
Com ajuda do software Minitab, foi possível fazer a análise através de um
gráfico de controle do pacote prejuízo, da diferença de estoque e um peso de um em
relação ao outro. A análise dessa carta de controle implica na utilização de
observações individuais com amplitudes móveis. A escolha dessa ferramenta deu-se
pois é impossível agrupar as observações em subgrupos, uma vez que trata-se de um
processo contínuo e de ciclo longo, que é repetido mensalmente, mas em que os anos
não podem ser considerados subgrupos no geral.
A amplitude móvel acaba sendo uma alternativa viável ao cálculo do desvio
padrão, e no uso com a carta de controle permite a visualização clara de uma média
do processo assim como limites superiores e inferiores de controle. As observações
utilizadas datam de Janeiro de 2010 até Agosto de 2015.
13
Apesar de alguns poucos pontos fora do padrão, pode-se afirmar com as
análises acima que o peso da diferença de estoque em valores absolutos sobre o
pacote prejuízo não apresentou variações ao longo do período de análise, que
engloba desde Janeiro de 2010 até Agosto de 2015. Tal afirmação embasa a ideia de
que durante esse período não houve variação nos processos que possam ter alocado
em diferença de estoque despesas que seriam de outros pacotes.
A partir daí pode-se entender que o período da análise de dados tem uma série
de observações nas quais ainda não fica evidente onde os valores de fato mudam de
Figura 4: Carta de Controle do pacote Prejuízo (Jan 2010 - Ago 2015) - Fonte: Autor
Figura 5: Carta de Controle da diferença de estoque (Jan 20120 - Ago 2015) - Fonte: Autor
Figura 6: Carta de Controle do peso da Dif de Estoque no prejuízo (Jan 2010 - Ago 2015) Fonte: Autor
14
patamar. Ao fazer uma plotagem dos valores de prejuízo mensais em cada um dos 5
anos que se tem dados, podemos ver que os anos de 2010 a 2012 sugerem uma carta
de controle com limites inferior e superior muito próximos, algo muito similar ao que
seria o ideal no processo de forma geral. Porém, o ano de 2013 começa a ter os
limites alterados.
Assim, podemos inferir que há uma mudança de patamar no ano de 2013, mas
ainda não é claro o momento que os limites são alterados. As anomalias que ocorrem
no consolidado dos anos são causadas por algum fator, mas não pode-se dizer que é
algo pontual em determinado período do ano. As anomalias não respeitam um ciclo ou
um calendário, e por isso sugere-se que a análise da periodicidade seja feita em cima
do tempo total transcorrido.
Figura 7: Carta de controle anual da diferença de estoque - Fonte: Autor
15
No gráfico abaixo, pode-se ver a carta de controle do período como um todo, e
as mudanças de patamar que de fato ocorrem. Para comprovar, estatisticamente, as
mudanças, realizou-se um teste de anomalias na base. O teste de anomalias consiste
em identificar períodos em que exista uma mudança de patamar. Através dos dados
fornecidos, o software detecta momentos em que pontos passam a ser outliers
constantes, ou seja, saiam do padrão vigente anteriormente, seja através de sua
média, ou de seus limites inferiores e superiores.
Quando aplicado ao histórico de diferença de estoque em valores financeiros,
podemos ver que entre Janeiro de 2010 e Agosto de 2015 vemos três patamares
distintos. No primeiro, entre Janeiro de 2010 e Abril de 2013, os limites e a média
estão controlados. No entanto, a partir de Maio de 2013 a média altera-se e por isso
pode ser considerado um segundo momento que perdura até Setembro de 2014. Em
um terceiro momento, além da média, há uma alteração significativa no limite superior,
fazendo com que entre Outubro de 2014 e Agosto de 2015 possa ser visto como um
terceiro período crítico.
16
Diante desses dados extraídos do teste de anomalias, buscou-se reforçar a
hipótese de que existia de fato uma diferença considerável no patamar dos períodos
descritos. Para isso, ainda com uso do MINITAB utilizou-se uma ANOVA. O teste em
inglês significa Analysis of Variance, traduzido para análise da variância. Nele, já de
posse das informações relativas a cada um dos períodos, pretende-se que o programa
avalie e quantifique as alterações que ocorreram nos períodos sugeridos.
Group 1: 1- 42 Jan 2010 – Apr 2013
Group 2: 43- 57 May 2013 – Sep 2014
Group 3: 58- 65 Oct 2014 – Sep 2015
Test Results for MR Chart of St Diff TEST 1. One point more than 3,00 standard deviations from center line. Test Failed at points: 58; 60; 61; 62; 65 TEST 2. 9 points in a row on same side of center line. Test Failed at points: 10; 11; 12; 13; 14; 15; 16; 17; 18; 19; 20; 21; 22; 23; 24; 25; 26; 27; 28; 29; 30; 31; 32; 33; 34; 35; 36; 37; 38; 39; 40; 41; 42; 43
Figura 8: Teste de anomalias com MINITAB da diferença de estoque (Jan 2010 - Ago 2015) Fonte: Autor
17
Conforme o resumo abaixo, extraído do teste realizado em Minitab, o programa
garante que existem diferenças, em especial, mostra-se que o período 1 é distinto dos
outros dois em todas as formas. Foram consideradas análises de ANOVA com a
média e desvio padrão, conforme sugerido no teste de anomalias. Abaixo também, um
teste de ANOVA entre os três períodos considerados.
One-way ANOVA: Diferença de Estoque x Período Source DF SS MS F P Período 2 2,42040E+12 1,21020E+12 10,70 0,000 Error 65 7,35026E+12 1,13081E+11 Total 67 9,77066E+12 S = 336275 R-Sq = 24,77% R-Sq(adj) = 22,46% Individual 95% CIs For Mean Based on Pooled StDev Level N Mean StDev -+---------+---------+---------+-------- 1 42 76943 58085 (----*----) 2 15 362823 308858 (--------*--------) 3 11 557802 766578 (---------*---------) -+---------+---------+---------+-------- 0 200000 400000 600000 Pooled StDev = 336275
Individual 95% CIs For Mean Based on
Pooled StDev
Level --+---------+---------+---------+-------
Stock Difference (--------*--------)
Stock Difference_1 (---------*---------)
Stock Difference_2 (-----*----)
--+---------+---------+---------+-------
0 200000 400000 600000
Pooled StDev = 341046
Figura 9: Testes ANOVA de Dif. de Estoque x Período - Fonte: Autor
18
Paralelo a isso surgiu o questionamento se as medições não estariam
enviesadas, uma vez que os valores encontravam-se em valores financeiros absolutos
e nos períodos de aumento de volume produzido seria evidente e lógico uma maior
perda. Propôs-se portanto, analisar o comportamento em termos percentuais de
hectolitros perdidos frente aos hectolitros vendidos em comparação aos valores
financeiros absolutos no prejuízo representado. Para essa análise, chamada de 2-
sample t, consideram-se os desvios-padrão das duas amostras. Para isso, considera-
se uma hipótese chamada de nula que é a que tenta-se rejeitar. Dessa forma, para o
caso proposto foi definido as hipóteses:
H : Não existem diferenças significativas nos desvio-padrão entre as amostras
H Existem diferenças significativas nos desvio-padrão das amostras
Figura 10: Rep. gráfica de ANOVA de Dif. de Estoque nos períodos - Fonte: Autor
19
O teste conclui então que olhando no aspecto dos desvio padrão, apesar do
aumento de volume, o desvio padrão dos valores absolutos financeiros não difere
significantemente do desvio padrão dos valores percentuais de hectolitros perdidos por
hectolitros vendidos.
Para o prosseguimento do estudo resolveu-se verificar qual variável melhor
explicava o prejuízo. Para isso, foram necessários dados de hectolitros perdidos por
diferença de estoque apenas e os números de hectolitros perdidos baixados em
prejuízo como um todo. Através de uma análise de correlação tentou-se ver de qual
forma o prejuízo era melhor explicado:
i) Prejuízo financeiro como uma função da diferença de estoque financeira
Prejuízo Financeiro Total = Constante + Prejuízo por diferença de estoque
Figura 11: Teste de 2 Desvio Padrao entre o % Hl Perdido e Dif de Estoque - Fonte: Autor
20
ii) Percentual de hectolitros perdido de prejuízo em relação aos hectolitros
vendidos como uma função do percentual de hectolitros perdidos por
diferença de estoque em relação aos hectolitros vendidos
As análises de correlação trazem como produto principal o indicador r², que tem
como principal função mostrar o grau de explicação de uma variável em relação a
outra. Dessa forma, quanto maior o valor do r², mais forte a explicação que um tem
sobre o outro. Para tal análise utilizou-se os dados dos dois períodos críticos
mencionados anteriormente.
Figura 12: Teste de Correlação Período 2 Fonte: Autor
Apesar dos baixos valores de correlação entre as variáveis, fica evidente que o
percentual é a maneira que melhor explica a o prejuízo como um todo. É importante
ressaltar que tais valores ficam baixas pois a análise considera uma procura por
($) r² = 0,059 (%) r² = 0,18
hl Prejuízo/hl vendido (%) = Constante + hl Diferença de Estoque/hl vendido (%)
($) r² = 0,016 (%) r² = 0,101
Figura 13: Teste de Correlação Período 3 Fonte: Autor
21
equação de apenas uma variável, ou seja, apenas a diferença de estoque
influenciando o prejuízo. Quando o pacote é aberto entre suas demais linhas, é
possível notar que dentro do pacote, a diferença de estoque tem um peso de 26%. O
maior impacto no Rio de Janeiro são os sinistros de carga e que portanto seria a
variável com maior correlação com o valor total do pacote.
Figura 14: Peso das variáveis no Pacote Prejuízo Fonte: Autor
2.1 Definindo um objetivo
A partir das medições acima descritas e do histórico dos dados é possível
entender qual um nível sob controle que deveria ser o ideal, e portanto o objetivo do
projeto. Historicamente, nos momentos de maior controle, no ano de 2010, foi possível
observar meses em que os hectolitros perdidos representavam apenas 0,8% do
volume vendido. Assim, definiu-se que o limite superior de controle (LSL) desejado
34,64%
26,14%
0,001%
16,01%
13,04% 10,17%
22
seria portanto esse valor. Uma vez que trata-se de uma perda, o limite inferior de
controle estipulado é de 0%. Ao analisar os dados podem ser vistos valores inferiores
em alguns poucos meses, vale ressaltar que isso ocorre em casos quando os
inventários apontam uma sobra no físico, caracterizando uma incorporação de
estoque.
A incorporação de estoque por sua vez só ocorre após uma diferença de
estoque, visto que para encontrar produtos para serem incorporados, em algum
momento passado foi identificada a falta destes que levou a uma baixa contábil.
A partir dessa definição de limites inferiores e superiores, é possível definir a
chamada capabilidade do processo. A capabilidade é a medida que especifica limites
de tolerância para um certo processo e indica o quanto desse processo encontra-se
dentro de tais especificações e qual montante está fora e precisa ser ajustada. Para o
caso da diferença de estoque observou-se que mais de 64% das amostras dos
períodos críticos encontram-se fora dos limites desejados.
Figura 15: Capabilidade do Processo em função do % de hl perdidos - Fonte: Autor
23
2.2 Benchmark
Para entender ainda mais a realidade do mercado em relação a seu controle de
estoque, buscou-se verificar em outras empresas suas particularidades em relação a
inventários.
i. LIGHT
A companhia realiza inventários de estoques em seus operadores
logísticos a cada trimestre. A auditoria é feita por membros internos, e
como ponto forte está o fato de ter um sistema de estoque único em todas
as unidades
ii. Coca-Cola
Inventário realizado por auditoria externa em apenas uma data anual. A
portaria, assim como no caso em estudo, aparece como um fator crucial
para evitar perdas do produto que tem como característica sua alta
liquidez.
iii. L`Oreal
Inventário interno nos subdistribuidor uma vez ao ano. No entanto,
diariamente realiza operações semelhantes a conciliações diárias em que
buscam encontram problemas em algumas ruas específicas do armzém.
iv. Novartis
Uma das principais fabricantes de remédios, tem como principal
semelhança o tamanho reduzido de seus produtos que podem ser levados
dentro da roupa sem maiores dificuldades. Inventários são feitos por
auditores externos, e diariamente há uma verificação pessoal em cada um
dos seus funcionários.
24
3. ANÁLISE
A fase de análises busca aprofundar o problema relacionado e entrar em uma
estratificação dos dados de forma mais profunda. Nesse momento, já avaliado o
tamanho do problema e o escopo dele, com todos os seus limitantes, inicia-se uma
investigação mais a fundo de alguns possíveis influenciadores das diferenças de
estoque que foram apresentadas e seu aumento nos últimos anos.
Para essa fase foram usadas três ferramentas iniciais que auxiliaram na
priorização: Ishikawa, Matriz de Causa e Efeito e Mapeamento do Processo. Em
conjunto, as três ferramentas acabam servindo como direcionador dos esforços das
análises.
A primeira ferramenta é o mapeamento do processo, a partir dos processos
principais identificados anteriormente, o inventário e a conciliação diária, foi feito um
mapeamento de processo que bustos identificar macro processos e seus produtos
principais. Com tais produtos foi possível avaliar o impacto desses em algumas saídas
do processo que são fundamentais para o bom desempenho e redução da diferença
de estoque.
Por último, após as priorizações feitas com opiniões de diversas áreas, realiza-se
um brainstorming em que uma série de colaboradores da companhia que lidam
diretamente com tais processos opinem levantando suposições que podem impactar o
resultado da diferença de estoque.
O mapeamento de processo foi fornecido pela própria companhia e através dele
vê-se o passo-a-passo e os responsáveis em diversos momentos e suas áreas de
trabalho dentro da organização.
25
Figura 16: Mapeamento da Conciação Diária - Fonte: Fornecido pela empresa
O mapeamento acima demonstrado e os processos vistos in loco permitiram a
divisão do dia-a-dia da empresa em alguns macro-processos que podem afetar o fluxo
de entrada e saída de veículos com cargas. Esses pontos de atenção, portanto foram
colocados na chamada Matriz de Causa e Efeito (C&E). A partir de então foi reunido
um grupo de uma série de colaboradores envolvidos no processo, desde conferentes e
ajudantes de armazém até gerentes de logística e foram dados graus de prioridade e
Figura17: Mapeamento do Inventário Mensal - Fonte: Fornecido pela empresa
26
criticidade para cada um desses em relação ao impacto que tem em um processo que
afeta a diferença de estoque. Com os maiores pesos foi possível ver locais onde
deveriam ser direcionados esforços. Nos pesos totais das notas entende-se que a
correta impressão das notas fiscais e cintas de carregamento, a checagem na portaria
principal e o correto registro de informações nas blitz de carregamento são os com
maiores pesos e, portanto, influenciam para mudar o cenário de prejuízo segundo a
audiência presente.
Figura 18: Matriz de Causa e Efeito dos macro processos - Fonte: Autor
O Ishikawa, ou espinha de peixe, como é mais conhecido é uma ferramenta
japonesa que busca auxiliar na identificação de possíveis causas para o problema
apresentado. No caso em questão, o problema apresentado foi colocado como “Por
Importance to
Customer10 5 8
Pro
cess
Ou
tpu
t
Co
rrec
t
Load
ing
Zero
Sto
ck
Dif
fere
nce
Ava
ilab
ility
of
Pro
du
cts
Macro Process
9 2 7 156
10 6 10 210
9 2 6 148
10 7 2 151
1 8 3 74
7 7 5 145
5 9 10 175
1 6 1 48
2 10 8 134
5 9 10 175
9 9 1 143
7 10 10 200
7 8 5 150
6 9 6 153
880 510 672
TOTA
L
Allocation of products on the warehouse
Printing the correct loading invoice
Select the correct products from the invoice
Checking the load before it goes to the trucks
Setting up correct parameter for blitz
Loading
Blitz
Inventory
Main Gate
TOTAL
Count all the coming stock
Make sure to register the differences
Make sure to input the correct values into system
Make sure Blitz is done
Inputing the correct results of Blitz into system
Analyzing the differences
Counting stock
Inputing the correct results of inventory into system
Analyzing the differences
Process Input
27
que a diferença de estoque aumento tanto recentemente?”. A partir desse
questionamentos, alguns pontos foram levados em consideração.
3.1 SKUs
Uma das principais causas diz a respeito da quantidade de SKUs. Pelo tamanho
da companhia, pode-se imaginar que sua gama de produtos seja muito grande, e por
isso, os armazéns ficam de uma forma ou outra muito atarefados. É preciso entender,
no entanto, que alguns produtos podem ser mais visados para furto, algumas
embalagens ou ainda a localização deles no armazém.
Para as análises de produtos foram estratificados dados das principais marcas e
das principais embalagens. A ferramenta que inicialmente ajuda a ver os maiores
impactos visualmente é o box-plot. Com ele, é possível identificar o maior e o menor
valor encontrado nas amostras, a média e ainda a concentração entre os percentis.
Figura 3: Diagrama de Ishikawa - Fonte: Autor
28
Figura 21: Box Plot por marca - Fonte: Autor
Figura22: Box plot por família - Fonte: Autor
Figura 20: Box Plot por embalagem - Fonte: Autor
29
Com os box-plot acima podemos inferir que a marca AP tem forte relevância e
a embalagem lata 473ml é de grande índice de furtos ou problemas de contabilização.
No entanto, embalagens do tipo retornável, as tradicionais garrafas de vidro que são
reenchidas a cada compra, também estão tendo uma série de problemas.
Em alguns casos aparece um sinal de asterisco fora da representação gráfica.
Nesses casos verifica-se que houve um ponto específico chamado de outlier, ou o
ponto fora da curva. É crucial entender essas particularidades, mas diferenciando essa
forma, a análise não fica comprometida por fatores isolados.
Para validar as hipóteses optou-se por um teste de correlação, tendo r² como um
forte indicador de correlação, e o p-valor, que mostra o grau de probabilidade de se
obter um indicador que explique de fato a variação do prejuízo. Novamente sugere-se
uma hipótese nula a qual queremos rejeitar. Aqui a hipótese foi de que a AP não teria
significância sobre os resultados obtidos, e isso foi comprovado como falso.
SKU R² P-value
AP 98,1% 0,000
BC 74,7% 0,006
GUARANA 52,8% 0,041
SKOL 43,4% 0,076
CHOPP 4,2% 0,628
Figura 23: Teste de correlação entre os produtos e o prejuizo – Fonte: Autor
30
3.2 Sazonalidade temporal
A sazonalidade da diferença de estoque foi levada em consideração. Daqui
pretende-se entender se em algum mês específico os valores destoam dos demais, e
se é possível comprovar algum movimento estranho dos sistemas ou tendências. O
teste de correlação no entanto mostrou um valor de correlação baixo, o que indica que
apesar de alguns meses estarem de fato ruins, o fator mês não é um bom explicador
.para a diferença.
Individual 95% CIs For Mean Based on Pooled StDev Level N Mean StDev --------+---------+---------+---------+- Jan 11 107,8 190,7 (-------*-------) Feb 11 196,0 349,0 (-------*-------) Mar 11 422,5 665,5 (------*-------) Apr 11 322,3 526,5 (------*-------) May 11 319,2 497,9 (------*-------) Jun 11 -29,7 73,3 (------*-------) July 11 255,7 410,6 (-------*-------) Aug 11 56,4 154,1 (-------*-------) Sep 11 222,9 358,5 (------*-------) Oct 11 83,1 141,5 (-------*------) Nov 11 231,1 368,8 (-------*------) Dec 11 1010,5 1857,6 (-------*-------) --------+---------+---------+---------+- 0 500 1000 1500
Figura 24: ANOVA dos meses em questão - Fonte: Autor
Figura 24: Box plot por mês - Fonte: Autor
31
O mês de Dezembro aparece como um box-plot com uma enorme variação, assim
como o mês de janeiro aparece como um com pequenos valores concentrados, e
homogêneos em geral. Em conversas com os colaboradores nota-se que o mês de
dezembro pode ser justificado pelo volume, no entanto, há uma forte incidência de
baixas do resto do ano. Em alguns inventários podem-se justificar diferenças que
conforme os meses transcorrem não são tratadas, e por questões de fechamento
fiscal do ano, nada deve ser carregado para o ano seguinte, realizam-se então uma
série de baixas nesse momento.
No caso do mês de janeiro, visto a criticidade do volume e o nível de
produtividade do armazém, em muitas unidades, principalmente as de tamanho
grande e médio, é autorizado corporativamente o abono do inventário mensal, dessa
forma, os valores que constam na análise são das poucas unidades que acabam
realizando o inventário.
3.3 Aréas de risco
O estado do Rio de Janeiro conta com uma particularidade específica que é a
classificação de risco das áreas onde estão localizadas as unidades. Visto a violência
do estado, e o número de sinistros de caminhões que aumentou consideravelmente
nos últimos 4 anos, uma área específica de gestão de segurança pública foi criada.
Através dos registros de sinistros, ou incidentes se segurança perimetral nas
unidades, definiram-se classificações de risco no Rio de Janeiro que põe as unidades
entre Alto, Médio e Baixo risco.
As unidades de alto risco são: Jacarepaguá, Nova Iguaçu, Pavuna e Niterói.
Classificadas como médio risco estão São Cristóvão e Campos. Para baixo risco
encontramos Nova Friburgo, Petrópolis, Volta Redonda e Itaperuna.
32
O gráfico indica visualmente que os CDDs de maior risco avaliado são de fato os
com valores absolutos maiores, mas também os que apresentam maiores dispersões.
A área ao redor ser mais vulnerável pode representar risco perimetral, qualquer
problema em muros, cercas, portões ou CFTV podem portanto ter um impacto grande.
A análise de correlação utilizando o r² mostrou uma relação fraca, por isso foi feito
um teste de hipóteses sobre os desvios-padrão das amostras de cada classificação de
risco, e as unidades de alto risco apresentam uma variação do desvio 38% superior
aquelas de médio risco.
Figura 26: Box-plot do % de hl perdidos em relacão ao volume por área de risco - Fonte: Autor
Figura 27: Teste do Desvio Padrão por grau de risco - Fonte: Autor
33
3.4 O Centro de Distribuição
Nesse caso buscou-se avaliar quais centros poderiam explicar melhor o
prejuízo da Regional como um todo. Quando se considera o centro de distribuição
entende-se então que estamos avaliando também a quantidade de funcionários, o seu
volume entregue e ainda a acuidade de seus processos. Uma vez que todas as
análises seguem os valores percentuais, é interessante reparar se ainda assim as
maiores unidades são as mais representativas ou se aparecem algumas das menores.
Figura 28: Box-plot da diferença de estoque por unidade - Fonte: Autor
Figura 29: Gráfico de linhas da diferença de estoque CDDs G/GG - Fonte: Autor
Figura 30: Gráfico de linhas da diferença de estoque CDDs M/P - Fonte: Autor
34
Pelos gráficos acima podemos ver que de fato os CDDs de maior tamanho são
os que apresentam os maiores valores percentuais da diferença de estoque em
relação ao volume vendido. O CDD Niterói aparece como aquele com os resultados
mais consistentes ao longo do período analisado e a unidade Petrópolis é aquela que
surpreende, pois apesar de seu tamanho pequeno aparece constantemente com
valores altos nas análises.
DDC R² P-value
DDC NIG 7,9% 0,499
DDC PAV 58,1% 0,028
DDC SC 0,7% 0,841
DDC JPA 86,8% 0,001
Figura 31: Teste de correlação entre as unidades e o prejuízo – Fonte: Autor
Novamente, buscando entender qual a unidade que tem o maior impacto na
diferença de estoque da Regional e por isso melhor ajuda a explicar os altos valores e
consequentemente o aumento, realizou-se um teste de correlação e um teste de
hipóteses novamente. Dessa vez, a unidade Jacarepaguá foi a que teve seu índice r²
maior e teve o menor p-valor, indicando que a hipótese nula foi rejeitada, a de que a
unidade não impactava no resultado regional, ou então os resultados obtidos indicam
um evento raro de acontecer. Porém, novamente o índice de correlação mostra que
não houve raridade e, portanto, a unidade é aquela com maior impacto.
3.5 Blitz de Carregamento
A Blitz de Carregamento é uma das possíveis causas conforme levantado
anteriormente. O processo da Blitz consiste em um sorteio aleatório realizado pelo
sistema que bloqueia a saída de alguns caminhões até que toda a carga montada seja
35
confrontada com as notas fiscais do caminhão. Se bem realizado, após a blitz e a
correta digitação das inconsistências ajuda a identificar os produtos e equipes mais
problemáticas.
Portanto, se bem realizada, a blitz de carregamento pode auxiliar de forma a
identificar equipes mais problemáticas e produtos mais críticos. Dessa forma, as
diferenças das blitz indicariam os possíveis problemas de serem identificados no dia
do inventário.
Conversando com equipes operacionais, muitos já indicam desde o início que
além de muitos dias sem a realização de blitz, alguns momentos são digitadas
informações inverídicas. Mas quando analisados os valores digitados em 4 meses de
Blitz de carregamento no Rio de Janeiro, fica-se a impressão de que o real valor da
diferença de estoque poderia ser o dobro, visto que muita coisa foi identificada na blitz
antes da saída.
9.668
6.560 5.750 5.451
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
70,0%
-
2.000,00
4.000,00
6.000,00
8.000,00
10.000,00
12.000,00
LATA 473 GARRAFA RET.1000
ML
LATA 355 GARRAFA INTEIRA
Qtd da Dif Est na Blitz
Figura 32: Paretto das Dif de Estoque em Blitz - Fonte: Autor
Figura 33: Quantidade de erros analisados por blitz - Fonte: Empresa
36
4. MELHORIA
A partir dos dados analisados foi possível entender quais das causas têm de
fato o maior impacto e podem então trazer maiores benefícios quando tratadas sobre
elas. A estratificação dos dados leva a crer que concentrar os esforços iniciais na
unidade de Jacarepaguá pode ser a que trará os melhores ganhos no curto prazo.
Visto que possivelmente os erros estavam na entrada e saída de caminhões, e
conforme os resultados de blitz já estimavam, o ataque nessa frente poderia ser
crucial. Um dos primeiros pontos implementados de imediato foi o cruzamento de
equipes de conferência. No processo antigo, ao emitir as notas a serem carregadas,
um conferente separava os produtos e conferia esses com as notas. Com a ajuda de
uma empilhadeira, o caminhão era carregado e esse mesmo conferente checava
novamente o carregamento.
O processo apresentava possíveis melhorias com o simples cruzamento das
conferências, assim, o conferente que validasse a carga no chão, não seria o mesmo
a validar a carga no caminhão. A principal frente, no entanto foi uma solução
tecnológica buscada através de pesquisas em outras empresas com sistemas de
carregamento semelhantes pelo mundo.
4.1. Truck Scan
Através de pesquisas na internet, encontrou-se o chamado truck-scan, a solução
trata-se de uma tenda com uma série de câmeras e raios infravermelhos que
conseguem cruzar instantaneamente os dados das notas fiscais com o volume
carregado.
Para a implementação entrou-se em contato com o fornecedor para uma
estimativa de custos e para melhor compreensão das adaptações necessárias ao
sistema. A tenda, com medidas de 10 x 10metros conta com 2 câmeras que conferem
em tempo real.
37
Figura 34: Ilustração do truck-scan - Fonte: Empresa
Assim que o caminhão se aproxima da entrada da tenda, um operador,
localizado em uma cabine digita a placa do carro e o sistema puxa seu mapa, formado
pelas notas fiscais. Então o caminhão ganha liberação para entrada e pára por cerca
de 40 segundos dentro da tenda até que seja conferido e receba o aceite para
prosseguir.
Figura 35: Projeto do interior do truck-scan - Fonte: Empresa
38
A checagem é feita através das imagens das câmeras e das leituras dos raios
infravermelhos, que transmitem a cubagem total das baías e confrontam com o
sistema. A solução permite, portanto, que todos os caminhões sejam checados antes
da saída, e assim verifica-se todo e qualquer pack excedente que esteja saindo de
forma irregular.
Para implementação foi necessário um investimento inicial para aquisição dos
equipamentos, e para função de operador foi colocado um funcionário próprio que foi
treinado externamente. Como ponto negativo ocorre que além de um espaço físico
grande, há apenas um sentido de checagem, portanto, apenas os caminhões de saída
são verificados, deixando os de puxada proveniente da fábrica vulneráveis.
As três primeiras semanas de implementação foram focadas no ajuste fino do
sistema. A partir da parametrização disponibilizada, uma série de erros apresentava-
se, e quase a totalidade da frota era indicada como divergente. Apesar de feitas todas
as parametrizações de volumetria de cada tipo de embalagem, foi necessário uma
margem de erro aceitável. Para isso, definiu-se empiricamente que até 5% de
dispersão do volume programado era considerado uma medida aceitável.
39
Figura 35: Fotos do equipamento montado - Fonte: Autor
Conforme imagens abaixo, o sistema aponta no momento as dispersões e ali o
operador pode e deve tomar a decisão pelo retorno do caminhão quando esse está
fora do aceitável. No relatório, além de explicitar a volumetria, um modelo em 2D
indica a parte excedente do caminhão.
Ponto crítico na checagem do truck-scan é a não abertura completa das baías.
Nesses casos, o sistema lê como totalmente carregada, e acaba gerando dispersão
quando não estão totalmente abertas.
40
Figura 35: Relatório de anomalias consolidado - Fonte: Empresa
41
Reforçando ainda que a implementação estava surtindo efeitos foram
realizados testes de hipóteses do desvio padrão dos erros notados entre a última
semana de outubro de 2015 e a segunda semana de novembro de 2015. Após
implementado, durante cerca de 10 dias o equipamento ficou sob ajustes e
fazendo as adaptações necessárias.
Figura 36: Relatório de verificação - Fonte: Empresa
Figura 36: Imagem da comparação do caminhão com parâmetros - Fonte: Empresa
42
O teste deixou claro que a média de problemas detectados caiu de forma
considerável com o passar das semanas. As melhorias foram em parte pelos
ajustes, mas também pela nova cultura que passou a reprimir mais desvios
combinados para venda externa de produtos.
Figura 38: Teste de Desvio Padrão das médias pós melhorias - Fonte: Autor
Figura 37: Carta de controle das médias de anomalias pós melhorias - Fonte: Autor
43
5. CONTROLE
A implementação da melhoria tecnológica foi a maior vitória no projeto. No
entanto, sozinha ela não levaria ainda os valores de diferença de estoque aos limites
desejados e estipulados. O projeto do truck-scan foi um piloto implementado em
apenas um site, e consegue reprimir um dos pontos vulneráveis no processo, a saída
errada de produtos para entrega em pontos de venda.
Para combater outra frente, a de entrada errada proveniente da puxada, e ainda
carregamentos problemáticos em outros CDDs, foi feito como medida de controle a
elaboração de um checklist onde foi designado um funcionário exclusivo que revezou
a ida a 4 unidades validando se os processos estavam sendo cumpridos em 4 frentes:
carregamento, conferência na portaria, arrumação do armazém e conferência na
devolução.
O checklist gerou um painel de evolução que foi repassado semanalmente aos
diretores corporativos, e a partir dele foram definidos plano de ação.
Figura 39: Checklist implementado para verificações in loco - Fonte: Empresa
A aderência a matriz passou a ser item importante e de visibilidade para todo o
time corporativo, e visto sua facilidade de implementação foi desdobrada no ano de
2016 para mais 7 operações no Rio de Janeiro.
44
6. CONCLUSÃO
Ao final do projeto, foi possível constatar uma melhora nos valores de
diferença de estoque em relação ao ano anterior, especialmente na unidade de
Jacarepaguá. Com o uso de análise estatística foi possível implementar
soluções de alto impacto e curto prazo de forma direcionada e que melhoraram
o resultado consolidado da regional e da unidade em especial.
O projeto alcançou seu objetivo e mostrou que para o caso em questão foi
vantajoso do ponto de vista do investimento realizado. A cultura de processos foi
renovada e os resultados mostraram-se sustentáveis no médio prazo. O
acompanhamento dos processos e a possibilidade de utilização de tecnologias em
outras unidades funcionarão como um catalisador de melhorias para o desempenho
financeiro da companhia e consequente lucro.
Figura 40: Evolução das melhorias de Dif. de Estoque 2014 x 2015 - Fonte: Empresa
45
7. Bibliography
A. Kumar, N. S. (2012). Six Sigma DMAIC Methodology: A Powerful Tool for Improving
Business Operations. Advanced Materials Research, pp. 1147-1150.
AMBEV. (2010). Acesso em 23 de 08 de 2015, disponível em Relatório Anual -
AMBEV S.A.:
http://ri.ambev.com.br/conteudo_pt.asp?idioma=0&conta=28&tipo=44093
AMBEV. (2011). Acesso em 23 de 08 de 2015, disponível em Relatório Anual -
AMBEV S.A.:
http://ri.ambev.com.br/conteudo_pt.asp?idioma=0&conta=28&tipo=44093
AMBEV. (2012). Acesso em 23 de 08 de 2015, disponível em Relatório Anual -
AMBEV S.A.:
http://ri.ambev.com.br/conteudo_pt.asp?idioma=0&conta=28&tipo=44093
AMBEV. (2013). Acesso em 23 de 08 de 2015, disponível em Relatório Anual -
AMBEV S.A.:
http://ri.ambev.com.br/conteudo_pt.asp?idioma=0&conta=28&tipo=44093
AMBEV. (2014). Acesso em 23 de 08 de 2015, disponível em Relatório Anual -
AMBEV S.A.
BASINGER, K. L. (2006). Impact of Inaccurate Data on Supply Chain Inventory
Performance. Ohio, United States of America: The Ohio State University.
CORREA, H. e. (2011). Administração de produção e de operações: manufatura e
serviços: uma abordagem estratégica (1ª Edição ed.). São Paulo, Brasil:
Editora Atlas.
De Mast, J. a. (2012). An analysis of the Six Sigma DMAIC methos from the
perspective of problem solving. International Journal of Production Economics.
Ferreira, L. M., Silva, C., & Mesquita, C. (2013). Using the Six Sigma DMAIC
Methodology to Improve an Internal Logistic Process. Lecture Notes in
Mechanical Engineering, pp. 1471-1473.
P., M., & Srinivasan, S. P. (2007). The stock service improvement by the deployment of
Six Sigma. International Journal of Six Sigma and Competitive Advantage.
Schroeder, R. L. (2008). Six Sigma: Definition and underlying theory. Journal od
Operations Management, 536-554.
Starbird, D. (2002). Business excellence: Six Sigma as a management system: "A
DMAIC approach to improving Six Sigma management processes". Quality
Congress. ASQ's ... Annual Quality Congress Proceedings, pp. 47-55.