Devleti Oluşturan Kabilelerin Kendilerine Karşı Görevleri:

Conforme mencionado na Seção 3.2.1.4, a validação da competência consiste na avaliação da representatividade, da usabilidade, da sinergia proporcionada e do custo envolvido na solução do modelo na tomada de decisão, apresentando uma ampla interface com o negócio ao qual se está aplicando alguma ferramenta de PO.

Mediante tal contexto, as métricas do modelo SCOR apresentadas na Seção 2.2 que têm interface com a modelagem quantitativa aplicada à otimização da performance da cadeia de suprimentos, passam a ter uma forte relação com o objetivo da validação de competência.

Com base nessa relação, as métricas do modelo SCOR foram utilizadas como base da validação de competência realizadas neste trabalho. O objetivo dessa etapa de validação foi utilizar os resultados dos testes computacionais e confrontá-los com cada um dos processos, atributos de performance e métricas do SCOR destacados na revisão bibliográfica que têm interface com a aplicação de modelos matemáticos de otimização. A Figura 29 ilustra de modo bastante claro quais processos e indicadores do SCOR serão avaliados nesse contexto.

Figura 29 – Validação de competência baseada no modelo SCOR Fonte: Autoria própria

Esta etapa da validação também foi baseada na comparação dos resultados dos testes computacionais realizados para as instâncias mensais de produção do ano selecionado no CPLEX (Quadro 4) com os valores calculados das funções objetivo para os planos de produção reais que foram executados nesses doze meses pela fábrica estudada com base nos dados e nas premissas do modelo matemático proposto, ambos contidos no Capítulo 7 (Quadro 8).

Para melhor ilustrar a diferença entre as soluções obtidas da solução do CLSD-GCST via CPLEX e pelos programadores de produção da empresa, foram plotados o Gráfico 1, que mostra a diferença da função objetivo ao longo dos doze meses analisados, e os gráficos contidos na Figura 30 que comparam as soluções de ambos os modelos segundo os principais custos contemplados pelo CLSD-GCST – custos de perdas por troca de fabricação (T1 e T2), custos por perdas decorrentes de variações bruscas de extração, custos de estoque totais ao longo do horizonte de planejamento e custos de atraso ou backlogging ao término do horizonte de planejamento, que representariam vendas perdidas ou lost sales.

Gráfico 1 – Comparação das funções objetivo para as soluções obtidas via CPLEX e pelos programadores da produção da empresa

Figura 30 – Gráficos comparativos dos custos que compõem o valor da função objetivo para as soluções obtidas via CPLEX e pelos programadores da produção da empresa

Figura 30 – Gráficos comparativos dos custos que compõem o valor da função objetivo para as soluções obtidas via CPLEX e pelos programadores da produção da empresa

Figura 30 – Gráficos comparativos dos custos que compõem o valor da função objetivo para as soluções obtidas via CPLEX e pelos programadores da produção da empresa

(conclusão) Fonte: Autoria própria

Fica bastante evidente, ao se observarem o Gráfico 1 e a Figura 30, que há ganhos financeiros ao se optar pela abordagem quantitativa proposta em detrimento à adoção da atual prática de planejamento da produção da empresa, seja pela análise da função objetivo ou pela comparação de cada um dos custos que a compõem em ambos os casos. Pode-se destacar ainda, nessa comparação, a grande redução de custos de backlogging ao término do horizonte de planejamento. Essas informações serão úteis para análise de impacto do uso do CLSD-GCST em uma situação gerencial segundo o modelo SCOR.

Conforme destacado na revisão bibliográfica e ilustrado na Figura 29, em relação à categoria de processos de planejamento da cadeia de suprimentos (P1) do SCOR, foram avaliados os indicadores: Order Fulfillment Cycle Time (RS.1.1), Plan Cycle Time (RS.3.98),

Return on Working Capital (AM.1.3), Cash-to-Cash Cycle Time (AM.1.1), Return on Supply

Chain Fixed Assets (AM.1.2), Cost to Plan Supply Chain (CO.3.108) e Environmental

Compliance Cost (CO.3.147). Nesse sentido, pode-se afirmar, com base nos resultados obtidos,

que 4 desses 7 indicadores são passíveis de melhoria ao se optar pelo uso do CLSD-GCST associado a um método de solução:

 Order Fulfillment Cycle Time (RS.1.1), pois com a evidente diminuição de atrasos no atendimento das demandas, diminui-se o tempo médio de atendimento de um pedido;

 Plan Cycle Time (RS.3.98), pois reduziu-se o tempo de geração de planos de uma semana para algumas horas;

 Return on Working Capital (AM.1.3), pois o dimensionamento e sequenciamento de lotes otimizado implica em menores custos operacionais, impactando de modo positivo nesse indicador que consiste na razão entre os lucros obtidos com a cadeia de suprimentos e o capital operacional aplicado;

 Cost to Plan Supply Chain (CO.3.108), pois o planejamento otimizado requer menos tempo e menos recursos.

Já em relação aos processos de Planejamento das Atividades da Produção Make-to-Stock (M1.1) e de Planejamento das Atividades da Produção Make-to-Order (M2.1), foram avaliados os indicadores: Schedule Achievement (RL.3.49), Schedule Production Activities Cycle Time (RS.3.123), Peak Time Energy Use (CO.3.167), Cost to Schedule Production Activities (CO.3.127) e Capacity Utilization (AM.3.9). Pode-se afirmar que 3 desses 5 indicadores são passíveis de melhoria ao se usar o modelo proposto:

 Schedule Production Activities Cycle Time (RS.3.123), pois o uso do método quantitativo reduz drasticamente o tempo necessário para o planejamento da produção, anteriormente feito em uma semana;

 Cost to Schedule Production Activities (CO.3.127), pois os custos de planejamento ficam reduzidos ao se usar o CLSD-GCST aliado a um método de solução – além de se obter um planejamento acelerado, são necessários menos recursos da equipe de PCP para a geração de planos, que passa a ser automatizada;

 Capacity Utilization (AM.3.9), pois o melhor sequenciamento dos lotes, com menos perdas produtivas decorrentes das preparações de máquinas (T1 e T2) e de variações bruscas de extração, implica em uma maior e melhor utilização da capacidade produtiva disponível.

Por fim, em relação ao processo de Reserva de Inventário e de Determinação das Datas de Entrega (D2.3), foram avaliados os indicadores: Percentage of Orders Delivered in Full (RL.2.1), Delivery Performance to Costumer Commit Date (RL.2.2), Order Fulfillment Dwell

Time (RS.3.94), Reserve Resources and Determine Delivery Date Cycle Time (RS.3.116) e Cost

to Reserve Resources and Determine Delivery Date (CO.3.120).

Usualmente esse último processo é mais focado nos processos de agendamento associados com o atendimento de pedidos do cliente, a partir dos estoques existentes e do volume de produção programado. Como o CLSD-GCST abrange o sequenciamento da produção e não somente o dimensionamento dos lotes, sua aplicação pode trazer ganhos potenciais para 4 dos 5 indicadores mencionados:

 Percentage of Orders Delivered in Full (RL.2.1) e Delivery Performance to

Costumer Commit Date (RL.2.2), pois o sequenciamento dos lotes de produção

obtido pela solução do modelo no CPLEX, visivelmente reduz o backlogging ao término do horizonte de planejamento para todos os produtos quando comparado com sequenciamento real executado pela empresa;

 Reserve Resources and Determine Delivery Date Cycle Time (RS.3.116) e Cost to

Reserve Resources and Determine Delivery Date (CO.3.120), pois o uso do modelo

proporciona uma análise otimizada dos recursos produtivos necessários, mais rápida e bem menos custosa. Do modo com que o modelo está desenhado, o mesmo não chega a abranger a definição das datas de entrega, mas vale a observação de que é possível ampliá-lo para que essa definição possa ser integrada ao processo de tomada

de decisão, sendo esse, inclusive, um dos pontos a se destacar no âmbito de oportunidades futuras de pesquisa.

De forma geral, dos 17 indicadores do modelo SCOR selecionados para avaliação do desempenho da solução do CLSD-GCST, observou-se que 11 são passíveis de melhoria com o simples uso de uma ferramenta de apoio à decisão baseada no modelo, ou seja, 64% dos indicadores avaliados.

Esse raciocínio pode-se estender para a categoria de processo e para os processos avaliados: para a categoria de processos de planejamento da cadeia de suprimentos (P1), o uso das técnicas de PO pode implicar na melhoria de 57% dos indicadores avaliados; para os processos de Planejamento das Atividades da Produção Make-to-Stock (M1.1) e de Planejamento das Atividades da Produção Make-to-Order (M2.1), na melhoria de 60% dos indicadores avaliados; e para o processo de Reserva de Inventário e de Determinação das Datas de Entrega (D2.3), na melhoria de 80% dos indicadores avaliados, valendo a observação de que a melhoria nesse caso pode ser mais efetiva ao se ampliar o modelo para abranger o problema de determinação de datas de entrega para cada cliente. O Gráfico 2 ilustra essa análise de indicadores para a categoria de processos P1 e para os processos M1.1, M2.1 e D2.3.

Gráfico 2 – Análise de impacto do uso do CLSD-GCST nos processos do modelo SCOR Fonte: Autoria própria

0 1 2 3 4 5 6 7 8 P1 M1.1/ M2.1 D2.3 Nº DE INDI CA DO R ES CATEGORIAS/ PROCESSOS

ANÁLISE DE IMPACTO DO USO DO CLSD-GCST