Baixe Impactos no Varejo e outras Notas de estudo em PDF para Engenharia de Produção, somente na Docsity!
Um EstUdo sobrE os Impactos no VarEjo
das prIncIpaIs dEcIsõEs EstratégIcas dE
prodUção E dIstrIbUIção da IndústrIa
Peter Wanke Rebecca Arkader Pedro Henrique Lopes Alexandre M. Rodrigues centro de Estudos em Logística, Instituto coppEad de administração, UFrj, Ed. coppEad, cidade Universitária, Ilha do Fundão, cEp 21949-900, rio de janeiro, rj, e-mail: [email protected] recebido em 06/6/ aceito em 06/12/ Resumo Esta pesquisa tem por objetivo avaliar o impacto das principais decisões estratégicas de produção e distribuição da indústria sobre o desempenho no varejo. Mais especificamente, foram quantificados os efeitos principais e secundá- rios das decisões entre empurrar/puxar e centralizar/descentralizar os estoques sobre indicadores de nível de serviço, estoque médio, quantidade de envios e faltas no varejo. Para isto, a operação de uma cadeia composta por indústria, centro de distribuição e varejo foi simulada em ARENA. Os resultados foram analisados por meio de MANCOVA, con- firmando experimentalmente as aparentes contradições entre o posicionamento estratégico em operações na indústria e o desempenho no varejo: um melhor desempenho no varejo depende de operações “não-enxutas” na indústria. Palavras-chave: operações industriais, posicionamento estratégico, simulação, varejo. v.13, n.1, p.1-13, jan.-abr. 2006
1. Introdução
Apesar de a última década ter sido marcada por for- tes transformações nas relações de fornecimento entre indústria e varejo, haja vista os programas de ressupri- mento automático, a literatura ainda é inconclusa sobre a homogeneidade dos benefícios auferidos por cada em- presa. Se no varejo a redução dos níveis de estoque foi quase uma constante, na indústria predominam os relatos conflitantes. Parece que um melhor desempenho no vare- jo depende, em alguns casos, de operações “não-enxutas” na indústria, ou seja, produção empurrada com base em previsões de vendas e distribuição escalonada via centro de distribuição. De modo geral, essa aparente contradição tem sido pouco assimilada pela discussão e pesquisa sobre o posi- cionamento estratégico em operações, tanto na indústria quanto no varejo. Na maior parte da literatura de opera- ções, logística e canais de distribuição, as análises são voltadas para os impactos do posicionamento estratégi- co no desempenho da própria empresa. Os benefícios da produção enxuta para a indústria em termos de redução de estoques de produto acabado são um exemplo. Essas análises podem, com freqüência, gerar conclusões equi- vocadas sobre o desempenho no varejo. Poucas são as pesquisas que buscam avaliar aderência entre o posicio- namento estratégico em operações de uma empresa e o desempenho de outra. As bases para explicar e descrever essas novas relações de fornecimento estão associadas a como e por que o posicionamento estratégico na indústria pode afetar o desempenho no varejo. Esta pesquisa tem por objetivo principal quantificar e relativizar o impacto das principais decisões de produção e de distribuição na indústria sobre os principais indica- dores de desempenho no varejo. Para tanto, a operação de uma cadeia composta por três elos (indústria, centro de distribuição e varejo), uma única instalação por elo e um único produto foi modelada e simulada em ARENA.
2 Wanke et al. − Um Estudo sobre os Impactos no Varejo das Principais Decisões Estratégicas de Produção... A partir da modelagem, foi desenvolvido e conduzido um conjunto de experimentos controlados nos quais foram testadas diferentes combinações de produção (puxada/ empurrada) e de distribuição (direta/escalonada) e men- surados seus efeitos sobre indicadores de nível de servi- ço, nível de estoque e freqüência de envios, dentre outros. Também são apresentados quadros conceituais que resu- mem e explicam as relações e as interações verificadas entre as decisões na indústria e o desempenho no varejo.
2. Revisão de literatura
São diversos os relatos sobre as diferentes relações de fornecimento entre a indústria e o varejo nos últimos anos (Christopher, 2000). Diversas indústrias reestruturaram suas operações de produção e distribuição para atender à contínua demanda do varejo por menores estoques e maiores níveis de serviço (Hoek, 1998a; 1998b). As ini- ciativas gerenciais que culminaram com a reestruturação dessas operações atendem por diferentes denominações: Efficient Consumer Response - ECR , Quick Response - QR (Fiorito e May, 1995), Vendor Managed Inventory
- VMI (Waller e Johnson, 1999), Continuous Replenish- ment - CR (Ellinger e Taylor, 1999) e Continuous Reple- nishment Program - CRP (Liz, 1999; Andraski, 1994). Em linhas gerais, essas iniciativas baseiam-se num objetivo comum: reduzir a dependência de previsões de venda na indústria e os níveis de estoque no varejo, com simultâneo aumento nos níveis de serviço (Lee e Padmanabhan, 1997). Segundo Vergin e Barr (1999), a cooperação e o compartilhamento de informações da demanda do consumidor final permitiriam esse objetivo (Kiely, 1998). No entanto, a literatura não é conclusiva com relação à homogeneidade dos resultados alcançados sob os prismas da indústria e do varejo. Enquanto no va- rejo a reestruturação das operações na indústria permitiu a redução dos estoques, na indústria houve casos de redu- ção e de aumento desses estoques (Harrison e Voss, 1990; Romero, 1991). É possível que os benefícios “prometidos” por essas iniciativas com relação aos níveis de estoque na indústria dependam da aderência entre o posicionamento estra- tégico de suas operações de produção e distribuição, as características do produto e da demanda e o que se espe- ra dos indicadores de desempenho no varejo (Johnson e Stice, 1993; Jones, 1991). Wanke e Zinn (2004) fornecem um exemplo nesse sentido a partir da iniciativa de VMI, que pode ser utili- zada para ilustrar a escolha entre centralização e descen- tralização sob diferentes trade-offs entre giro dos esto- ques na indústria e tempo de entrega exigido pelo varejo. No VMI, o estoque da indústria pode ser localizado num centro de distribuição avançado e a entrega para o varejo ser praticamente instantânea. A questão chave é como a indústria deve ressuprir o estoque no varejo. As escolhas são: um estoque centralizado na indústria, combinado com um tempo de entrega mais longo para o varejo (e menor giro), ou um estoque descentralizado, próximo ao varejo, com entregas mais rápidas (e maior giro). O conceito de ressuprimento automático ao vare- jo, presente nas iniciativas de ECR , CR e CRP , exige tempos de entrega extremamente curtos por parte da indústria, freqüentemente implicando que a empresa adote a produção empurrada para atender a este requi- sito (Wanke e Zinn, 2004). Este resultado corrobora a percepção, bastante comum na indústria, de que os sis- temas de ressuprimento automático só produzem benefí- cios para o varejo (em termos de redução dos estoques) ou que o ressuprimento automático foi “operacionaliza- do à custa da concentração dos estoques na indústria” (Waters-Fuller, 1996). Segundo Wanke e Zinn (2004), o que parece acontecer, quando os tempos de entrega são curtos, é a incapacidade natural de estender o ressupri- mento automático na distribuição ao varejo à produção puxada na indústria (Inman, 1999). Parece existir um trade-off entre o ressuprimento automático para o vare- jo e a decisão da indústria entre produção empurrada ou puxada. Também é comum na indústria, após vários anos e aplicações de ressuprimento automático, a crença de que o acesso à demanda do consumidor final no varejo não necessariamente vai favorecer a produção puxada e o abandono da produção empurrada com base em previ- sões de vendas, especialmente quando os tempos de en- trega são curtos (Mathews, 1997). A discussão precedente ilustra que o entendimento so- bre como o posicionamento estratégico de operações de produção e distribuição na indústria está relacionado ao varejo ou, mais especificamente, afeta seu desempenho, não é trivial. Isso ocorre basicamente em virtude dessas aparentes contradições. Um melhor desempenho no va- rejo em termos de estoques e níveis de serviço parece depender, em alguns casos, de operações “não-enxutas” na indústria (Li, 1992). Essa questão é detalhada a partir das principais decisões estratégicas analisadas por Wanke e Zinn (2004), doravante chamadas de Tipo de Distribui- ção e Tipo de Produção.
3. Tipo de distribuição
De modo qualitativo, o impacto do Tipo de Distribui- ção nos principais indicadores de desempenho na indús- tria e no varejo é relativamente bem documentado e são diversas as evidências empíricas sobre o sentido dos efei- tos principais da Distribuição Direta e da Distribuição Escalonada (Evers, 1999; Leeuw e Goor, 1999; Evers e Beier, 1998; Tallon, 1993; Amstel e Amstel, 1985). Al- guns desses impactos já foram citados em livros há mais de vinte anos. Por exemplo, Bowersox et al. (1980) afir-
4 Wanke et al. − Um Estudo sobre os Impactos no Varejo das Principais Decisões Estratégicas de Produção... Por sua vez, na combinação Produção Empurrada e Distribuição Direta, as operações de produção são cen- tralizadas e direcionadas para a formação de estoques a partir de previsões de vendas, sendo executadas anterior- mente à distribuição. As vantagens para a indústria estão relacionadas à redução dos níveis de estoque de produtos acabados em função da centralização e suas desvanta- gens, a uma maior freqüência de envios. Por último, na combinação Produção Puxada e Distri- buição Direta, as operações de produção são totalmente centralizadas e iniciadas pelo contrapedido do varejista. A principal vantagem para a indústria é a redução dos níveis de estoque de matérias-primas, produtos semi- acabados e produtos acabados. Há acréscimo nos custos com distribuição em função de uma maior freqüência de envios fracionados. A partir da proposta de Pagh e Cooper (1998), é possí- vel especular ou inferir sobre os efeitos simultâneos das combinações do Tipo de Produção e do Tipo de Distri- buição no varejo. Na combinação Produção Empurrada e Distribuição Escalonada, menores níveis de estoque no varejo seriam possíveis, como resultado de uma maior freqüência de envios a partir do centro de distribuição e de um maior nível de estoque na indústria e em seu cen- tro de distribuição. Já na combinação Produção Puxada e Distribuição Escalonada, o varejo experimentaria maiores níveis de estoque que na combinação anterior, em função da reação da produção ao consumo do centro de distri- buição. Mesmo assim, o centro de distribuição garantiria uma freqüência de envios relativamente alta para o vare- jo. Por sua vez, na combinação Produção Empurrada e Distribuição Direta, a produção com base em previsões de vendas permitiria que o varejo operasse com níveis baixos de estoque, ainda que não tão reduzidos quanto os da primeira combinação. Isso aconteceria porque a distri- buição direta ao varejo teria o efeito de produzir alguma redução na freqüência de envios, quando comparada à entrega via centro de distribuição. Finalmente, na combi- nação Produção Puxada e Distribuição Direta, os reduzi- dos níveis de estoque na indústria levariam aos mais altos níveis de estoque no varejo. A entrega se tornaria menos freqüente em função de compras consolidadas. O conflito potencial entre o posicionamento de opera- ções na indústria e o desempenho alcançado pelo varejo já foi apontado há algumas décadas na literatura sobre ca- nais de distribuição (Guiltinan, 1974). Uma das maneiras identificadas para lidar com essa questão é a utilização de métodos quantitativos de planejamento, como a simu- lação computacional (Bowersox et al., 1980). A idéia é que o planejamento mais detalhado acerca das iniciativas gerenciais entre varejo e indústria deveria constituir-se de uma avaliação mais consistente da aderência entre o posicionamento estratégico das operações de produção e distribuição na indústria, as principais características do negócio e o desempenho do varejo. Para quantificar a priori como operações de produção e distribuição impactam o desempenho no varejo, desen- volver modelos analíticos e de otimização pode consti- tuir-se numa tarefa bastante complexa e, às vezes inviável (Silver e Peterson, 1985). Apesar de existirem modelos dessas naturezas para apoiar decisões de produção e/ou de distribuição no âmbito da indústria, a complexidade cresce rapidamente quando é incorporada uma nova ins- talação, seja o centro de distribuição ou o varejo. A prin- cipal dificuldade na modelagem analítica e na otimizante decorre do fato dos níveis de estoque no varejo depen- derem dos níveis de estoque no centro de distribuição, e assim sucessivamente, de modo que os níveis de estoque no centro de distribuição dependem, por sua vez, dos ní- veis de estoque na indústria (Forrester, 1961). Ballou (1992) aponta a simulação como a técnica mais adequada para avaliar decisões relativas à distribuição e à produção em ambientes complexos. Normalmente são testadas diferentes alternativas de decisão e são coletadas estatísticas com relação ao comportamento dos princi- pais indicadores de desempenho. A simulação, entretan- to, não fornece uma solução única ou ótima. Sua maior vantagem está na capacidade de permitir a mensuração de efeitos cruzados em diferentes aspectos das operações (Saliby, 2000). Closs e Roath (1998) citam três artigos, de toda a lite- ratura em operações e logística, nos quais a simulação foi utilizada para avaliar a aderência entre o posicionamento de operações na indústria, as características no negócio e o impacto no desempenho no centro de distribuição ou no varejo. O primeiro artigo trata de um modelo de simulação, cujos objetivos eram a replicação, para uma indústria de bens de consumo, dos efeitos da variabilidade da demanda e dos tempos de resposta da distribuição físi- ca sobre os níveis de estoque no centro de distribuição (Bowersox e Helferich, 1972). O segundo artigo trata de outro modelo para avaliar simultaneamente os impactos da variabilidade da demanda e dos tempos de resposta na previsão de vendas e na tomada de decisões de dis- tribuição (Bowersox e Closs, 1979). O modelo descrito no terceiro artigo tinha por objetivo quantificar os bene- fícios de um maior compartilhamento de informações da demanda entre indústria e varejo (Towill e Naim, 1992). Finalmente, Closs e Roath (1998) também relatam seus experimentos conduzidos via simulação. O objetivo de seu estudo foi comparar níveis de estoque de produto acabado e indicadores de disponibilidade de produto, para indústria e varejo, sob diferentes condições de troca de informações.
GESTÃO & PRODUÇÃO, v.13, n.1, p.1-13, jan.-abr. 2006 5
6. Objetivos e metodologia de pesquisa
Com base na revisão de literatura, foram estabelecidos os principais objetivos da pesquisa. O primeiro objetivo está relacionado à quantificação e relativização dos im- pactos do Tipo de Produção e do Tipo de Distribuição sobre o desempenho do varejo. Esse objetivo foi des- dobrado em cinco perguntas secundárias, formalizadas como se segue. 1) Qual o impacto de diferentes Tipos de Produção (Puxada e Empurrada) e de Distribuição (Di- reta e Escalonada), observados na indústria, sobre dife- rentes indicadores de desempenho mensurados no varejo, conforme Tabela 1? 2) Quais são os sentidos (sinais) das relações entre essas variáveis? 3) Qual é o efeito prin- cipal mais relevante: Tipo de Produção ou Tipo de Dis- tribuição? 4) Existem interações significativas (efeitos secundários)? 5) Qual a covariável mais adequada para correção comparação dos resultados? O segundo objetivo está relacionado à formalização de elementos de apoio ao posicionamento estratégico das operações na indústria e à segmentação de fornecedores no varejo, a partir dos resultados obtidos para as cinco perguntas anteriores. Esse objetivo foi desdobrado em mais duas perguntas secundárias. 6) Para a indústria, qual o posicionamento estratégico mais adequado acerca dos Tipos de Produção e de Distribuição quando é observado o desempenho do varejo em termos de Fill Rate , Quanti- dade de Carregamentos Recebidos e Estoque Médio em Mãos? 7) Quais as aparentes contradições entre varejo e indústria no que diz respeito ao Tipo de Produção e Tipo de Distribuição quando é observado o desempenho do varejo em termos desses indicadores de desempenho? Para responder a essas questões, foi desenvolvido e conduzido um conjunto de experimentos controlados com dois fatores (Tipo de Produção e Tipo de Distribui- ção) e dois níveis (Empurrada/Puxada e Direta/Escalona- da) para cada fator, com o intuito de avaliar seus efeitos sobre diferentes indicadores de desempenho mensurados no varejo. Para tanto, a operação de uma cadeia composta por três elos (indústria, centro de distribuição e varejo), uma única instalação por elo e um único produto foi mo- delada em ARENA 5.0, conhecida ferramenta de simula- ção por eventos discretos. Para cada uma das quatro combinações de níveis do Tipo de Produção e do Tipo de Distribuição (Escalonada e Empurrada, Escalonada e Puxada, Direta e Empurrada e Escalonada e Puxada) foram conduzidas 100 replica- ções de 365 dias de operação, sendo coletadas estatísticas sobre cada uma das variáveis dependentes analisadas ao final de cada dia da simulação. Na Tabela 1, são listadas as variáveis dependentes e independentes presentes no modelo, bem como suas escalas, dimensões e definições operacionais. A modelagem do Tipo de Produção na indústria (Em- purrada e Puxada) envolveu a definição de uma política de antecipação com base em previsões de vendas, a partir da lógica do MRP, para representar o nível Produção Em- purrada (Silver e Peterson, 1985). Previsões de vendas com nível de acerto de 100% e intervalos de revisão da programação a cada 30 dias foram utilizados. Já o nível Produção Puxada envolveu a fabricação dos produtos após o recebimento dos pedidos para representar uma po- lítica de postergação com base na demanda real. Em am- Tabela 1. Variáveis da simulação. Variável Tipo Escala Dimensão Definição operacional Fill Rate Dependente Métrica Percentual Razão entre a quantidade total disponibilizada pelo varejo e a quantidade total solicitada pelos consumidores finais, calculada para cada 365 dias da simulação. Estoque Médio em Mãos Dependente Métrica Unidades Estoque médio no varejo, calculado para cada 365 dias da simulação. Estoque Médio em Trânsito Dependente Métrica Unidades Estoque médio em trânsito para o varejo, calculado para cada 365 dias da simulação. Quantidade de Carregamentos Recebidos Dependente Métrica Ocorrências Quantidade de carregamentos recebidos pelo varejo a cada 365 dias da simulação. Quantidade de Rupturas de Estoque Dependente Métrica Ocorrências Quantidade de vezes que houve falta de estoque no varejo a cada 365 dias da simulação. Quantidade Acumulada de Falta de Estoque Dependente Métrica Unidades Quantidade total de unidades que deixaram de ser vendidas pelo varejo a cada 365 dias da simulação. Tipo de Produção Independente Nominal 1 = Puxada 0 = Empurrada Efeito principal a ser testado. Tipo de Distribuição Independente Nominal 1 = Direta 0 = Escalonada Efeito principal a ser testado. Quantidade Total Recebida Covariável Métrica Unidades Quantidade total de unidades recebidas pelo varejo em 365 dias da simulação.
GESTÃO & PRODUÇÃO, v.13, n.1, p.1-13, jan.-abr. 2006 apresentados na Tabela 2 estão aderentes ao referencial teórico, sendo indicados ainda os valores das estatísticas F e R Quadrado Ajustado para os modelos associados a cada variável dependente. O impacto relativo de cada decisão sobre cada variável dependente é indicado pelas ordens de grandeza do mó- dulo dos coeficientes expressos na coluna B. Por exem- plo, no caso do Fill Rate , o Tipo de Distribuição apre- senta maior impacto relativo (0,32), seguido, na ordem, pela interação entre o Tipo de Distribuição e o Tipo de Produção (0,26) e pelo Tipo de Produção (0,04). São apresentadas, na Tabela 3, as médias marginais das seis variáveis dependentes para cada uma das quatro possíveis combinações de níveis do Tipo de Distribuição e Tipo de Produção. Essas médias foram avaliadas para o nível médio da covariável QTR_P (ou seja, zero) e calcu- ladas com base nos coeficientes da Tabela 2. Cabe lembrar que as médias para Distribuição Direta e Produção Puxa- da correspondem às constantes apresentadas na Tabela 2. Sob o prisma do varejo e analisando comparativamente à Distribuição Direta e à Produção Puxada, a Distribuição Escalonada e a Produção Empurrada na indústria impli- cam simultaneamente menor Fill Rate , maior Quantidade de Carregamentos Recebidos, menor Estoque Médio em Mãos, maior Estoque Médio em Trânsito, maior Quanti- dade de Rupturas de Estoque e menor Quantidade Acu- mulada de Falta de Estoque. Percebe-se, a partir das Tabelas 2 e 3, que para todas as variáveis dependentes o efeito secundário (interação entre o Tipo de Distribuição e o Tipo de Produção) não é capaz de compensar o efeito individual da principal vari- ável independente, ou seja, do Tipo de Distribuição. Em outras palavras, o sentido de variação das variáveis de- pendentes tem como fator determinante o efeito principal Tabela 2. MANCOVA – Parâmetros estimados para as variáveis independentes. Variáveis Dependentes Parâmetros B Erro Padrão t Significância Fill Rate ( FR ) F = 460, R^2 = 82,2% Constante 0,73 0,01 61,22 0, Quantidade Total Recebida 0,14 0,01 19,85 0, Distribuição Escalonada (0,32) 0,02 (16,95) 0, Produção Empurrada 0,04 0,02 2,45 0, Escalonada x Empurrada 0,26 0,02 10,49 0, Quantidade de Carregamentos Recebidos (QCR) F = 558, R^2 = 85,0% Constante 49,35 1,82 27,11 0, Quantidade Total Recebida 39,30 1,10 35,82 0, Distribuição Escalonada 54,27 2,88 18,85 0, Produção Empurrada 41,47 2,55 16,25 0, Escalonada x Empurrada (32,73) 3,81 (8,60) 0, Estoque Médio em Mãos (EMM) F = 286, R^2 = 74,1% Constante 32,74 0,61 53,24 0, Quantidade Total Recebida 6,06 0,37 16,34 0, Distribuição Escalonada (17,09) 0,97 (17,57) 0, Produção Empurrada (15,28) 0,86 (17,72) 0, Escalonada x Empurrada 13,73 1,29 10,68 0, Estoque Médio em Trânsito (EMT) F = 176, R^2 = 64,0% Constante 7,61 0,27 28,16 0, Quantidade Total Recebida 3,86 0,16 23,69 0, Distribuição Escalonada 2,33 0,43 5,45 0, Produção Empurrada 0,87 0,38 2,29 0, Escalonada x Empurrada (1,89) 0,56 (3,35) 0, Quantidade de Rupturas de Estoque (QRE) F = 153, R^2 = 60,5% Constante 28,72 4,25 6,76 0, Quantidade Total Recebida 60,07 2,56 23,47 0, Distribuição Escalonada 112,58 6,72 16,76 0, Produção Empurrada (14,95) 5,96 (2,51) 0, Escalonada x Empurrada (90,51) 8,88 (10,19) 0, Quantidade Acumulada de Falta em Estoque (QAFE) F = 30.447, R^2 = 99,7% Constante 274,89 2,65 103,75 0, Quantidade Total Recebida (459,32) 1,60 (287,63) - Distribuição Escalonada (11,96) 4,19 (2,85) 0, Produção Empurrada (6,37) 3,72 (1,71) 0, Escalonada x Empurrada 9,44 5,54 1,70 0, Níveis de referência: Distribuição Direta e Produção Puxada.
Wanke et al. − Um Estudo sobre os Impactos no Varejo das Principais Decisões Estratégicas de Produção... associado ao Tipo de Distribuição. O efeito da interação (secundário) e o efeito do Tipo de Produção apenas in- fluenciam a magnitude e, conseqüentemente, o valor as- sumido pela variável dependente, mas não seu sentido de variação no varejo. Essa afirmação pode ser analisada graficamente. Por exemplo, de acordo com a Figura 1, a Distribuição Direta implica, para o varejo, maior Fill Rate , menor Quanti- dade de Carregamentos Recebidos, maior Estoque Mé- dio em Mãos, menor Estoque Médio em Trânsito, menor Quantidade de Rupturas de Estoque e maior Quantida- de Acumulada de Falta de Estoque, quando comparada à Distribuição Escalonada. No âmbito da Distribuição Direta, a Produção Empurrada na indústria, compara- tivamente à Produção Puxada, permite aumentar o Fill Rate e diminuir a Quantidade de Rupturas de Estoque e a Quantidade Acumulada de Falta de Estoque, à custa de aumentos na Quantidade de Carregamentos Recebidos e no Estoque Médio em Trânsito com o benefício de dis- cretas reduções no Estoque Médio em Mãos. Por outro lado, a Distribuição Escalonada implica, para o varejo, menor Fill Rate , maior Quantidade de Car- regamentos Recebidos, menor Estoque Médio em Mãos, maior Estoque Médio em Trânsito, maior Quantidade de Rupturas de Estoque e menor Quantidade Acumulada de Falta de Estoque. A Produção Empurrada na indústria apresenta efeitos semelhantes aos descritos para o caso da Distribuição Direta.
8. Discussão dos resultados
Os resultados da pesquisa constituem avanços no as- pecto teórico e no aspecto prático da tomada de decisões. Nas Tabelas 4 e 5, é resumido o racional lógico (passível de inferência a partir da revisão de literatura e dos resul- tados apresentados nas Tabelas 2 e 3) associado aos efei- tos principais e secundários das variáveis independentes. Os avanços teóricos estão relacionados a cinco elementos principais:
- Confirmação experimental, via simulação, das evidên- cias empíricas qualitativas, disponíveis e inferidas na revisão de literatura, sobre os sinais das relações entre os indicadores de desempenho no varejo (variáveis de- pendentes) e o Tipo de Produção e o Tipo de Distribui- ção na indústria (variáveis independentes);
- Identificação de significativa interação de primeira or- dem entre o Tipo de Produção e o Tipo de Distribui- ção para as seguintes variáveis dependentes no varejo: Tabela 3. Médias marginais. Variáveis Dependentes Tipo de Distribuição Tipo de Produção Média Erro-Padrão Fill Rate ( FR ) Distribuição Escalonada Produção Empurrada 0,71 0, Distribuição Escalonada Produção Puxada 0,41 0, Distribuição Direta Produção Empurrada 0,77 0, Distribuição Direta Produção Puxada 0,73 0, Quantidade de Carregamentos Recebidos (QCR) Distribuição Escalonada Produção Empurrada 112,35 1, Distribuição Escalonada Produção Puxada 103,62 2, Distribuição Direta Produção Empurrada 90,82 1, Distribuição Direta Produção Puxada 49,35 1, Estoque Médio em Mãos (EMM) Distribuição Escalonada Produção Empurrada 14,09 0, Distribuição Escalonada Produção Puxada 15,64 0, Distribuição Direta Produção Empurrada 17,45 0, Distribuição Direta Produção Puxada 32,74 0, Estoque Médio em Trânsito (EMT) Distribuição Escalonada Produção Empurrada 8,91 0, Distribuição Escalonada Produção Puxada 9,94 0, Distribuição Direta Produção Empurrada 8,47 0, Distribuição Direta Produção Puxada 7,61 0, Quantidade de Rupturas de Estoque (QRE) Distribuição Escalonada Produção Empurrada 35,85 4, Distribuição Escalonada Produção Puxada 141,30 4, Distribuição Direta Produção Empurrada 13,78 4, Distribuição Direta Produção Puxada 28,72 4, Quantidade Acumulada de Falta de Estoque (QAFE) Distribuição Escalonada Produção Empurrada 266,00 2, Distribuição Escalonada Produção Puxada 262,93 3, Distribuição Direta Produção Empurrada 268,52 2, Distribuição Direta Produção Puxada 274,89 2, Valores avaliados para QTR_P = 0.
10 Wanke et al. − Um Estudo sobre os Impactos no Varejo das Principais Decisões Estratégicas de Produção... Fill Rate , Estoque Médio em Mãos, Estoque Médio em Trânsito, Quantidade de Carregamentos Recebidos e Quantidade de Rupturas de Estoque. Confirmação ex- perimental dos sinais dessas interações, via simulação, com base em referencial teórico disponível e inferido na revisão de literatura;
- Identificação do Tipo de Distribuição como a variável independente de maior importância relativa para todas as variáveis dependentes analisadas no varejo. O efeito principal do Tipo de Distribuição é determinante para a compreensão do comportamento das seis variáveis de- pendentes no varejo, em cada um dos quatro níveis ana- lisados, na medida em que os efeitos das interações do Tipo de Produção com o Tipo de Distribuição não são capazes de compensá-lo. Por sua vez, o efeito principal do Tipo de Produção, assim como o efeito secundário da interação, apenas influencia a magnitude e, conse- qüentemente, o valor assumido pela variável dependen- te, mas não seu sentido de variação;
- Validação da Quantidade Total Recebida pelo varejo como covariável empregada na análise multivariada de covariância. Destaca-se também a validação de todos os resultados da pesquisa com base na significância das principais estatísticas: Lambda de Wilkis, poder de as- sociação parcial (η^2 ), estatísticas F e t, parâmetros dos modelos e valor de R Quadrado; e
- Confirmação experimental das aparentes contradições entre varejo e indústria, ou seja, por que um melhor de- sempenho no varejo, em termos de níveis de estoque, depende de operações não-enxutas na indústria. Com relação ao aspecto prático da tomada de decisões, destaca-se sobretudo a esmagadora importância do Tipo de Distribuição, comparativamente ao Tipo de Produção e à interação entre Tipo de Produção e Tipo de Distribui- ção, para o posicionamento estratégico das operações na indústria e para a segmentação de fornecedores no varejo. Isso explica por que geralmente a indústria avalia o im- pacto de sua decisão de distribuição (a variável indepen- dente mais relevante e comparativamente mais flexível à mudança que à decisão de produção) nas variáveis-chave da competição no varejo, como meio de estreitar o rela- cionamento entre ambas as partes e favorecer a criação de um ambiente cooperativo. Como exemplo, a indústria poderia adotar a distribuição direta em iniciativas de VMI como forma de aumentar o Fill Rate no varejo para os consumidores finais, no caso de produtos em que a de- manda é extremamente sensível à falta. De modo análo- go, para produtos em que é menor a sensibilidade à falta no varejo, a indústria poderia considerar a distribuição escalonada como alternativa viável em termos de nível de serviço. Por sua vez, o varejo poderia utilizar os resultados para segmentar diferentes categorias de produtos pelo Tipo de Distribuição junto da indústria (Direta ou Escalonada) à luz da análise dos custos totais (transporte, manutenção de estoques e vendas perdidas) contra os níveis de ser- viço ( Fill Rate ). É comum que grandes cadeias varejis- tas comercializem uma ampla variedade de produtos em suas lojas, desde alimentos e bebidas, até lubrificantes automotivos e eletrodomésticos, cada qual com diferen- tes características de custos e de nível de serviço. Tabela 5. Efeitos Secundários dos Tipos de Produção e de Distribuição no Varejo. Variáveis Interação Produção Empurrada e Distribuição Escalonada Produção Puxada e Distribuição Direta FR (+) A produção é programada considerando-se horizontes de tempo superiores ao seu tempo de resposta e ao tempo de resposta da distribuição. (-) A reação à demanda é limitada pelo tempo de resposta da produção e do transporte. QCR (-) A coordenação eficiente dos estoques em três instalações depende da geração de economias de escala no transpor- te por meio da consolidação, daí uma menor freqüência de envios. (+) A reação da produção à demanda só é eficaz no varejo quando as quantidades produzidas são transportadas imedia- tamente, sem consolidação. Daí uma maior freqüência de en- vios. EMM (+) A consolidação de carregamentos e a necessidade de es- coar regularmente a produção programada implicam maior estoque no varejo. (-) A reação da demanda à produção e seu envio imediato im- plicam menor cobertura de estoque no varejo. EMT (-) Resultado da consolidação de carregamentos e da conse- qüente redução da freqüência de envios. (+) Resultado do envio imediato das quantidades produzidas como reação à demanda. QRE (-) Menor propensão à ruptura de estoque em função da con- solidação de carregamentos e da programação de produção em horizontes superiores ao tempo de resposta. (+) Maior propensão à ruptura de estoque em função da cen- tralização dos estoques e de carregamentos fracionados. QAFE (+) Maior quantidade acumulada de falta em função da in- capacidade de reagir ao presente, por depender de progra- mações feitas no passado. (-) Menor quantidade acumulada de falta em função da possi- bilidade de reagir à demanda e do envio imediato após a pro- dução. Os sinais entre parênteses indicam o sentido da interação.
GESTÃO & PRODUÇÃO, v.13, n.1, p.1-13, jan.-abr. 2006 11 Além disso, os resultados sugerem que varejo e indús- tria podem ter diferentes avaliações sobre como segmen- tar as operações e para quais produtos, indicando eventu- ais obstáculos no relacionamento entre ambas as partes. Por exemplo, de modo inverso à perspectiva da indús- tria, a Distribuição Escalonada implicaria menores níveis de Estoque Médio em Mãos para o varejo, em função de uma maior freqüência de envios de menores quanti- dades a partir do centro de distribuição. Por outro lado, sob o prisma da indústria, é sabido que a Distribuição Escalonada implica maior nível de estoque de produto acabado, em função principalmente da descentralização física. Produtos de maior custo adicionado seriam mais adequados à Distribuição Direta por parte da indústria e à Distribuição Escalonada sob a perspectiva do varejo, uma vez que ambas implicariam menores níveis de estoque, respectivamente, para cada caso. Quando adicionados ao Tipo de Distribuição, o efeito principal do Tipo de Produção e a interação entre Tipo de Produção e Tipo de Distribuição reforçam essa diferença de perspectiva entre varejo e indústria. Sob o prisma da indústria, Produção Empurrada e Distribuição Escalonada implicam, comparativamente, maiores níveis de estoque que Produção Puxada e Distribuição Direta. Por outro lado, os resultados apontam que, sob o prisma do varejo, Produção Puxada e Distribuição Direta na indústria con- tribuem para maiores níveis de estoque, ao passo que Pro- dução Empurrada e Distribuição Escalonada, menores. Os motivos para tanto seriam, fundamentalmente, a maior regularidade da produção empurrada e a maior proximi- dade gerada pelo fornecimento via centro de distribuição.
9. Conclusões
Nesta pesquisa, foram avaliados, via simulação em ARENA, os impactos das principais decisões de produ- ção e de distribuição, tomadas no âmbito da indústria, sobre os principais indicadores de desempenho no vare- jo. Seus resultados confirmam a existência de aparentes contradições entre o posicionamento estratégico de ope- rações na indústria e o desempenho no varejo, no sentido de que um melhor desempenho no varejo em termos de níveis de estoque e níveis de serviço depende de opera- ções “não-enxutas” na indústria, como a produção em- purrada e a distribuição escalonada. Também é confirmada a existência de interações sig- nificativas entre as decisões de produção e de distribui- ção. Entretanto, entre todas as principais dimensões de desempenho analisadas no varejo, destaca-se a decisão de distribuição como a de maior impacto relativo e abso- luto. Dessa forma, os resultados da pesquisa constituem tanto avanços teóricos, quando comparados ao escopo de estudos anteriores, quanto gerenciais, seja no âmbito da indústria, seja no âmbito do varejo. As limitações desta pesquisa são intrínsecas ao projeto e condução de experimentos controlados, estando sobre- tudo associadas à validação externa e generalização dos resultados. Experimentos futuros devem ser conduzidos para complementar o quadro conceitual apresentado, sob diferentes condições (parâmetros e distribuições de pro- babilidade) das variáveis de controle: demanda do con- sumidor final, tempos de resposta, níveis de reposição, intervalos de revisão e pontos de pedido. Referências Bibliográficas AMSTEL, M.; AMSTEL, W. Economic trade-offs in physi- cal distribution. International Journal of Physical Dis- tribution and Materials Management. Northampton, v. 17, n. 7, p. 15-54, 1985. ANDRASKI, J. Foundations for successful continuous re- plenishment programs. The International Journal of Logistics Management. Columbus, v. 4, n. 1, p. 1-8,
BALLOU, R. H. Business logistics management. New York: Prentice Hall, 1992. BERMAN, B.; EVANS, J. Retail management: a strategic approach. New York: Prentice Hall, 1998. BOWERSOX, D. J.; HELFERICH, O. Dynamic simula- tion of physical distribution systems. East Lansing: MSU Business Studies, 1972. BOWERSOX, D. J.; CLOSS, D. Simulated product sa- les forecasting. East Lansing: MSU Business Studies,
BOWERSOX, D. J.; COOPER, M.; LAMBERT, D.; TAYLOR, D. Management in marketing channels. New York: McGraw-Hill, 1980. BOWERSOX, D. J.; CLOSS, D. Logistical manage- ment: the integrated supply chain process. New York: McGraw-Hill, 1996. CARTER, J. R.; FERRIN, B. G. Transportation costs and inventory management: why transportation cost mat- ter. Production and Inventory Management Journal , v. 37, n. 3, p. 58-62, 1996. CHRISTOPHER, M. The agile supply chain: competing in volatile markets. Industrial Marketing Management, v. 29, n. 1, p. 37-44, 2000.
GESTÃO & PRODUÇÃO, v.13, n.1, p.1-13, jan.-abr. 2006 13 Journal of Physical Distribution & Materials Mana- gement. Northampton, v. 22, n. 5, p. 3-13, 1992. VERGIN, R.; BARR, K. Building competitiveness in the grocery supply chain through continuous replenishment planning. Industrial Marketing Management , v. 28, n. 2 p. 145-153, 1999. WALLER, M.; JOHNSON, M. Vendor managed inventory in the retail supply chain. Journal of Business Logistics. Oak Brooks, v. 20, n. 1, p. 183-198, 1999. WANKE, P.; ZINN, W. Strategic logistics decision making. International Journal of Physical Distribution and Logistics Management. Northampton, v. 34, n. 6, p. 466-478, 2004. WATERS-FULLER, N. The benefits and costs of jit sour- cing. International Journal of Physical Distribution and Logistics Management. Northampton, v. 26, n. 4, p. 35-50, 1996. WEMMERLOV, U. Assemble-to-order manufacturing im- plications for materials management. Journal of Opera- tions Management , v. 4, n. 4, p. 347-368, 1984. WOMACK, J. P.; JONES, D. T.; ROOS, D. A máquina que mudou o mundo. São Paulo: Editora Campus, 1992.
stratEgIc posItIonIng and sImULatIon oF IndUstrIaL
opEratIons: Impacts oF prodUctIon and
dIstrIbUtIon dEcIsIons on rEtaILIng
Abstract The main purpose of this research was to evaluate the impact of major strategic production and distribution deci- sions on retail performance by quantifying the primary and secondary effects produced by push/pull and decentra- lization/centralization decisions on indicators of retail service level, average inventory, frequency of shipments and stockouts. To this end, ARENA simulations were made of the operation of a manufacturer, distribution center and retail chain. The results of these simulations were subjected to a multiple analysis of covariance (MANCOVA), which revea- led apparent contradictions between strategic positions in industrial operations and retail performance, i.e., a higher retail performance depends on non-lean industrial operations. Keywords: industrial operations, strategic positioning, simulation, retail market.
