Política de estoques: quanto serviço vale mais um dia de cobertura?¶

Reduzir estoque libera caixa. Aumentá-lo protege vendas e continuidade operacional. Nenhuma dessas afirmações, isoladamente, diz quanto manter de cada item em cada local.

Uma política de estoques começa com uma pergunta melhor: qual estoque sustenta uma promessa explícita de serviço, dados o processo de reposição, a incerteza e a economia daquele item-local?

Estoque não é um bloco homogêneo¶

Quatro componentes costumam aparecer misturados em relatórios agregados:

• Estoque de ciclo decorre do lote de compra, produção ou transferência e da frequência de reposição.
• Estoque em trânsito ou pipeline cobre a demanda esperada enquanto o suprimento está em produção ou transporte.
• Estoque de segurança protege contra desvios de demanda, lead time, rendimento ou disponibilidade.
• Estoque de antecipação é formado deliberadamente antes de sazonalidades, campanhas, paradas ou restrições de capacidade.

Cada componente responde a uma decisão. Reduzir lotes altera o ciclo. Encurtar o lead time reduz pipeline e, muitas vezes, o buffer. Melhorar o forecast reduz parte da incerteza. Otimizar a rede pode reposicionar risco entre os elos.

Por isso, uma meta genérica de “reduzir estoques em 15%” pode retirar capital do lugar errado e preservar excessos que não criam serviço.

A política precisa existir no nível item-local¶

Metas financeiras importam como restrições e resultados, não como substitutas dos parâmetros operacionais. Quatro definições devem anteceder qualquer fórmula:

1. Qual período de proteção é necessário? Na revisão contínua, normalmente é o lead time; na periódica, inclui também o tempo até a próxima revisão.
2. Qual métrica de serviço importa? Nível de serviço por ciclo é a probabilidade de terminar um ciclo sem ruptura. Fill rate é a parcela das unidades atendidas imediatamente pelo estoque. Não são intercambiáveis.
3. Como a reposição funciona? Lotes mínimos, calendários, capacidade e múltiplos alteram estoque e exposição ao risco.
4. O que acontece na ruptura? A unidade pode virar venda perdida, backlog, substituição, frete emergencial ou parada. Cada consequência tem custo diferente.

Por que a proteção tem retorno decrescente¶

A ilustração usa demanda média de 10 unidades/dia, desvio padrão diário de 5, lead time médio de 5 dias, desvio padrão do lead time de 2 dias e lote de 100 unidades.

Sob hipóteses de independência, a incerteza durante o lead time é:

σDL = √(L·σD² + μD²·σL²)

O gráfico calcula o nível de serviço por ciclo com Φ(z) e o fill rate com a função de perda normal. Mova o controle e compare as curvas.

O padrão é a mensagem principal: cada unidade adicional compra menos proteção que a anterior. Aproximar-se de 100% exige buffers crescentes e uma distribuição normal ainda não oferece garantia absoluta.

O melhor ponto depende da economia da falta¶

A curva mostra risco, mas não escolhe a política. A decisão compara dois efeitos marginais:

• custo da proteção: capital, armazenagem e perda esperada do estoque que vence ou fica obsoleto;
• custo da falta: margem perdida, frete emergencial, substituição, multa, backlog ou interrupção operacional.

Para o planejador, é útil manter quatro componentes econômicos separados:

Separar essas parcelas evita dupla contagem. A venda perdida deve normalmente ser valorizada pela margem de contribuição perdida, não pela receita total, e uma parcela explícita de obsolescência ou write-off não deve reaparecer escondida em uma taxa genérica de manutenção.

Em um modelo simples de revisão contínua:

Custo(SS) = SS·h + ES(z)·(Demanda anual/Q)·p

Aqui, h combina capital e armazenagem por unidade-ano e p é a consequência econômica esperada de uma unidade faltante. Se o write-off esperado mudar com a política, ele deve entrar como uma parcela separada. Ciclo e pipeline podem entrar na visão financeira, mas, se não variam entre os cenários de segurança, não alteram a escolha marginal do buffer.

Isso explica por que uma meta única de serviço destrói valor. Um item crítico e difícil de substituir pode justificar mais proteção. Um item de baixo giro, alta obsolescência e reposição rápida pode justificar menos.

Da gestão reativa à otimização da rede¶

1. Padronize a reposição. DRP ou Deployment substitui decisões ad hoc por parâmetros explícitos e auditáveis.
2. Recalcule a partir de zero. Segmente item-locais e dimensione buffers a partir de dados observados.
3. Otimize múltiplos elos. Modelos multi-echelon avaliam onde o estoque protege melhor a rede e evitam buffers independentes em cada nível.
4. Redesenhe o modelo operacional. Com parâmetros governados, reveja fronteira push-pull, postponement, canais, frequências, lotes, capacidade e colaboração com fornecedores.

Multi-echelon não é automaticamente melhor em todo contexto. A sofisticação do modelo deve acompanhar a complexidade real da rede e a maturidade do processo que executará a recomendação.

Dados necessários para transformar a curva em política¶

O gráfico é didático. Uma política governada precisa de dados operacionais conectados:

Checklist de implementação¶

1. Existe uma métrica inequívoca de serviço para cada segmento?
2. É possível separar ciclo, pipeline, segurança e antecipação?
3. Os parâmetros são recalculados com erro de forecast e lead time observados ou apenas depois de uma crise?
4. Custos de falta e manutenção estão explícitos e sem dupla contagem?
5. DRP, compras, produção e distribuição conseguem executar a recomendação?

O objetivo não é simplesmente manter menos estoque. É usar estoque como recurso econômico: suficiente para proteger a promessa de serviço, posicionado no elo correto e revisto quando a incerteza ou o modelo operacional mudar.

Continue com os conceitos duráveis e o fluxo de revisão em Políticas de estoques e otimização e veja como a reposição executa esses parâmetros em DRP e Deployment. Para organizar essa evolução por capacidade de processo, veja Da meta de estoque à política executável. O modelo de dados da decisão econômica mostra como simulação de políticas e Cost-to-Serve compartilham fatos físicos sem se tornarem o mesmo cálculo.

Leituras adicionais¶

• Farasyn et al. (2011), “Inventory Optimization at Procter & Gamble: Achieving Real Benefits Through User Adoption of Inventory Tools”, Interfaces, 41(1), 66–78.
• Prak, Teunter & Syntetos (2017), “On the calculation of safety stocks when demand is forecasted”, European Journal of Operational Research, 256(2), 454–461.