XXIII Encontro Nac. de Eng.

de Produção - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

Modelagem da transmissão de variabilidade dos estoques ao longo de

uma cadeia de abastecimento

José Carlos Fioriolli (UFRGS) fioriolli@hotmail.com

Resumo
Este artigo apresenta uma nova abordagem para a análise da transmissão de variabilidade
dos estoques ao longo de uma Cadeia de Abastecimento (CA). O modelo proposto – Modelo
de Análise da Variabilidade dos Estoques (MAVEs) – possibilita a identificação das fontes de
variabilidade e permite calcular a intensidade da transmissão das variações, a partir de cada
nível até o final da cadeia, quantificando seu efeito acumulado no último nível e indicando
suas interdependências. Os resultados da pesquisa indicam que o MAVEs pode ser utilizado
como apoio em processos decisórios que visam atenuar o efeito destas variações em CAs com
demanda e lead times estocásticos.
Palavras chave: Gestão de estoques, Modelagem, Cadeia de abastecimento, Variabilidade.

1. Introdução
A complexidade e a interdependência que caracterizam o ambiente competitivo das empresas
induzem os gerentes ao uso de ferramentas que projetem as possíveis conseqüências de suas
decisões, antes da sua efetiva implementação. Uma das principais abordagens para esta
questão, conforme Banks, Carson e Nelson (1996), consiste em trabalhar com modelos
capazes de capturar a essência da realidade através de simplificações sobre as suas
características mais importantes, mesmo sem a garantia de que a realidade pesquisada seja
representada de modo completo. Se usados de modo adequado, a modelagem e os modelos
podem facilitar e qualificar o gerenciamento dos riscos e da incerteza. Modelos são
representações externas e explícitas de parte de uma realidade percebida por alguém; são
criados com o objetivo de compreender, controlar e modificar parte desta realidade (PIDD,
1998).
A construção e utilização de modelos para representar estruturas complexas apresentam duas
características importantes: (i) simplificação e representação aproximada de alguns aspectos
da realidade em estudo; e (ii) orientação para um propósito previamente definido. A primeira
delas, normalmente considerada uma limitação, desempenha um papel fundamental na
aplicação dos modelos, justamente por viabilizar o seu uso na prática. A segunda vincula a
existência do modelo ao motivo que levou à sua criação; ao uso pretendido para o mesmo.
Cadeias de Abastecimento (CAs) fazem parte de estruturas complexas, formadas pela
combinação das operações e interfaces das empresas com seus clientes internos e externos.
Deste modo, como parte de uma dada realidade, tais sistemas podem ser modelados com o
objetivo de antecipar as principais conseqüências das diferentes decisões empresariais,
reduzindo as incertezas e os riscos associados às mesmas.
A análise das decisões sobre estoques ao longo de uma CA mostra que sua importância cresce
à medida que as estruturas de fornecimento e consumo se ampliam, gerando a necessidade de
formação e gerenciamento de estoques interdependentes em diferentes níveis e locais de uma
CA. Em razão desta interdependência, as decisões têm que ser analisadas de modo integrado,
considerando o impacto que os estoques de cada um dos níveis do sistema produz sobre os
demais níveis existentes na estrutura estudada.

ENEGEP 2003 ABEPRO 1

 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

A formação de estoques em excesso decorrente de disfunções nos processos fabris e

comerciais ou resultantes da má gestão empresarial representa custos desnecessários para as
organizações. Neste contexto, a proposta de criação de um Modelo de Análise de
Variabilidade dos Estoques é importante pois pode auxiliar (i) na identificação dos pontos de
maior transmissão de variabilidade ao longo da CA; (ii) na definição do nível adequado de
compartilhamento da informação, considerando seu fluxo na CA; e (iii) na compreensão e
mensuração destes fenômenos, gerando uma base para a tomada de decisão em ambientes de
informação compartilhada. O presente trabalho explora aspectos ligados ao primeiro desses
três itens, permitindo a identificação das fontes de variabilidade e a quantificação da
intensidade de transmissão das variações dos estoques ao longo de uma CA.
Os objetivos vinculados ao gerenciamento de CAs são variados: compreendem não só a
redução dos estoques na cadeia e a elevação dos níveis de serviço oferecidos aos clientes
como também a construção de vantagens competitivas sustentáveis (COOPER e ELLRAM,
1993; BHATTACHARYA, COLEMAN e BRACE, 1996; ELLRAM, 1991). A necessidade
de controlar atividades críticas sem ampliar o grau de integração vertical tem estimulado as
empresas a trabalharem sobre o conceito de CA com uma perspectiva estratégico-estrutural
(CHRISTOPHER, 1992; ELLRAM, 1991), viabilizada pelos ganhos operacionais produzidos
pela adequada gestão do trade-off estoques-nível de serviços.
Por essas razões, é necessário estabelecer em que condições é possível atenuar as
conseqüências das oscilações dos estoques. A possibilidade de identificação das fontes de
variabilidade, combinada com a quantificação da intensidade das variações obtida através de
modelos de análise de transmissão de variabilidade, representa um avanço na gestão de
estoques em estruturas complexas como são as CAs.
Para melhor compreensão dos desenvolvimentos apresentados neste artigo, uma introdução à
gestão de estoques é apresentada na seção que se segue. A seção 3 apresenta algumas
considerações sobre Modelagem, estrutura e características dos modelos. A técnica de Análise
de Regressão Múltipla é tratada na seção 4. Na seção 5 é apresentado o processo de geração
do MAVEs. As seções 6 e 7 mostram alguns resultados obtidos com a aplicação do modelo
proposto e a conclusão, respectivamente.
2. Gestão de estoques
O processo de formação e manutenção de estoques em uma empresa é influenciado por diversos
fatores, responsáveis por pressões que reduzem ou elevam seus níveis. Os principais fatores
redutores de estoques são apresentados a seguir.
− Custos de armazenagem e manuseio - associados à ocupação de espaço em depósitos e à
movimentação dos estoques de um local para outro, tanto interna como externamente;
− Custo de oportunidade – os recursos financeiros utilizados para formar e gerenciar
estoques poderiam ser aplicados em outros investimentos com maior retorno para a
empresa. Quanto menores os estoques, menores os custos de oportunidade. Para Johnson e
Montgomery (1974) esse custo constitui-se em um dos fatores mais relevantes na avaliação
de desempenho de um sistema de controle de estoques;
− Tributos, seguros e perdas - a incidência de tributos e o seguro são calculados com base na
quantidade de itens em estoque; quanto maiores estas quantidades, maiores os tributos e o
seguro. Os custos decorrentes das perdas assumem três formas básicas: furtos,
obsolescência e deterioração física (KRAJEWSKI e RITZMAN, 1999).

Entre os fatores que contribuem para a elevação dos níveis de estoque em uma organização
destacam-se:

ENEGEP 2003 ABEPRO 2

 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

− Serviço ao cliente - através da geração de estoques é possível agilizar a entrega de produtos

aos clientes; as rupturas de estoques e os pedidos pendentes são minimizados quando a
empresa mantém estoques elevados. Ruptura de estoque ocorre quando um item não está
disponível para satisfazer a demanda no momento e no local do sistema em que esta ocorre
(KRAJEWSKI e RITZMAN, 1999). Um pedido pendente é um pedido que não foi
atendido no momento inicialmente previsto, mas que pode ser atendido mais tarde.
− Custo do pedido - cada vez que a empresa coloca um pedido ao fornecedor, ela incorre em
custos relacionados à preparação, envio, processamento e inspeção do referido pedido
(SILVER e PETERSON, 1985). Esses custos independem do tamanho do pedido;
− Custos de transporte - os custos de transporte externo podem ser reduzidos em razão da
elevação dos níveis de estoque. Segundo Ballou (2001), a composição e o tamanho das
cargas podem representar uma significativa economia, tanto em termos de espaço como em
tempo de carregamento, e levar a uma racionalização na escolha dos modais;
− Cobertura de erros e ineficiências gerenciais - de acordo com Bowersox (1978), a busca de
proteção contra as incertezas pode induzir os gerentes dos níveis médios e superiores a
trabalhar com estoques elevados. Dificuldades no processo de tomada de decisão acabam
sendo minimizadas, permanecendo encobertos os erros e as ineficiências gerenciais.

A definição do tipo e freqüência dos procedimentos de revisão de estoques depende de

questões tais como: (i) com que periodicidade a situação dos estoques deve ser avaliada; (ii)
qual a quantidade ideal por pedido; (iii) quando o pedido deve ser feito; e (iv) qual o impacto
dos estoques existentes em cada um dos níveis sobre os demais níveis da CA.
Silver e Peterson (1985), Elsayed e Boucher (1994), e Taylor (1999), fazem referência às
questões acima, vinculando-as diretamente ao desempenho da gestão de estoques nas
empresas. Os sistemas de controle de estoques ajudam a responder essas perguntas através de
três formas básicas de revisão: periódica, contínua e mista (ELSAYED e BOUCHER, 1994;
KRAJEWSKI e RITZMAN, 1999).
3. Modelagem
De acordo com Pidd (1998), uma modelagem adequada de um contexto de interesse deve
apresentar as seguintes características:
− construção simples, porém apoiada em pensamento crítico e rigoroso;
− processo de complexidade gradativa, incremental;
− estrutura tão reduzida quanto possível, autocontida e não exaustiva;
− processo rico em analogias e similaridades;
− coleta e análise de dados dirigidos pelo modelo conceitual; e
− construção não-linear, abastecida por insights.

Do ponto de vista matemático, um modelo expressa um relacionamento funcional que inclui

variáveis, parâmetros e equações (TAYLOR, 1999). De acordo com a estrutura dessas
equações e com os valores assumidos pelos parâmetros, respeitados o comportamento e a
natureza das variáveis utilizadas, a modelagem pode ser classificada como determinística ou
estocástica.
A representação de sistemas reais, tais como os sistemas de estoques, pode ser obtida através
de modelos ou metamodelos (mentais, descritivos, gráficos ou matemáticos) que permitam
seu estudo em condições controladas. Um dos fatores determinantes na avaliação da qualidade

ENEGEP 2003 ABEPRO 3

 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

de um modelo é a sua capacidade de contribuir para o atingimento dos objetivos estabelecidos

para o sistema real por ele representado (FIORIOLLI e FOGLIATTO, 2002). Para tanto, é
fundamental que o modelo facilite o entendimento da estrutura, das relações e do
funcionamento dinâmico do sistema em estudo. Técnicas de Análise de Regressão Múltipla
têm sido utilizadas com muita freqüência na geração de modelos destes sistemas
(YOURDON, 1990).
4. Análise de Regressão Múltipla
A análise de regressão é um processo estatístico de identificação e avaliação de relações
associativas entre uma ou mais variáveis dependentes e uma ou mais variáveis independentes.
De acordo com Malhotra (2001), essa técnica pode ser utilizada para: (i) determinar se
variações significativas observadas nas variáveis dependentes são explicadas por variações
observadas nas variáveis independentes, ou seja, se existe uma relação entre elas; (ii)
identificar a intensidade da relação existente, determinando quanto da variação das variáveis
dependentes se deve às variações das variáveis independentes; (iii) determinar a estrutura
formal da relação entre as variáveis (equação matemática); e (iv) predizer os valores das
variáveis dependentes, em ambientes controlados.
Segundo Rencher (1995), três tipos de análise de regressão podem ser caracterizados em
função do número de variáveis consideradas: Regressão linear simples (uma variável
dependente e uma variável independente), Regressão linear múltipla univariada (uma variável
dependente e duas ou mais variáveis independentes) e Regressão linear múltipla multivariada
(duas ou mais variáveis dependentes e duas ou mais variáveis independentes).
Nos modelos de regressão com variáveis independentes fixadas (i.é, sob controle do
pesquisador) expressa-se a variável dependente Y em uma amostra de n observações como
uma função das variáveis independentes X’s mais um erro aleatório ε . No caso de um
modelo linear, apresentado em sua forma básica, tem-se:
Y = α 0 + α1 X 1 + α 2 X 2 + ... + α q X q + ε
(1)
Quando as variáveis X’s puderem ser expressas autoregressivamente, tem-se um modelo com
a seguinte estrutura (modelo autoregressivo de 1a. ordem):
Yi = α i + β iYi −1 + ε i i = 2, 3, ..., k (2)
onde k corresponde ao número de níveis da estrutura em estudo. Neste artigo, utiliza-se
modelos autoregressivos de 1a. ordem, adaptados de Lawless e Mackay (1999), para
representar os estoques em cada um dos k níveis de uma CA.
5. Geração do MAVEs
Para geração do MAVEs é necessário que sejam considerados todos os estoques existentes em
cada um dos k níveis de uma CA. Define-se a variância total dos estoques do i-ésimo nível
em função da variância observada diretamente neste nível e da variância dos estoques do nível
imediatamente anterior, i-1. O modelo autoregressivo proposto utiliza a seguinte notação:
k - número de níveis da CA;
Yi - estoques existentes no nível i da CA;
n - tamanho da amostra aleatória de estoques;
σ i2 - variância total dos estoques existentes no nível i da CA;
σ i2,O - variância dos estoques observada diretamente no nível i da CA;

ENEGEP 2003 ABEPRO 4

 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

β i2 - coeficiente que mede a intensidade de transmissão da variação até o nível i, a partir

dos estoques existentes no nível i-1 da CA;
I i - intensidade da transmissão de variação do nível i até o nível k;

A variância total, no i-ésimo nível, é calculada através das seguinte equação:

σ i2 = σ i2,O + β i2σ i2−1 i = 2, ..., k (3)

A primeira parcela do lado direito da igualdade apresentada na equação (3) corresponde à

variação observada diretamente no nível analisado e a segunda parcela corresponde à variação
dos estoques transmitida a partir do nível imediatamente anterior, considerando toda a CA.
Uma análise preliminar mostra que é possível reduzir as variações nos estoques de três
maneiras: (i) reduzindo a variação em um nível i específico; (ii) reduzindo as variações no
nível i-1, imediatamente anterior; ou (iii) fazendo com que o coeficiente de transmissão de
variabilidade seja o mais próximo possível de zero.
A variância total dos estoques no último nível pode ser expressa utilizando k equações:
σ k2 = σ k2,O + β k2σ k2−1 (4)

σ k2−1 = σ k2−1,O + β k2−1σ k2− 2 (5)

σ k2− 2 = σ k2− 2,O + β k2− 2σ k2−3 (6)
M
σ =σ
2
2
2
2,O + β 22σ 12 (7)
σ 12 = σ 1,O
2
(8)

Substituindo as equações (5), (6), (7) e (8) de modo recursivo na equação (4), tem-se:

σ k2 = σ k2,O + β k2σ k2−1,O + β k2 β k2−1σ k2− 2,O + ... + β k2 β k2−1 β k2− 2 ...β 22σ 1,2O (9)

que pode ser reescrito como:

σ k2 = σ k2,O + β k2σ k2−1,O + ( β k β k −1 ) 2 σ k2− 2,O + ... + ( β k β k −1 β k − 2 ...β 2 ) 2 σ 1,2O (10)

O cálculo das variâncias e dos coeficientes que medem a intensidade de transmissão das
variações é feito como segue.

1 n
= × ∑ (Yi , j − Yi )
2
σ 2
i ,O i=1 (11)
n j =1
1 n
onde: Yi = × ∑ Yi , j i = 1,..., k (12)
n j =1

ENEGEP 2003 ABEPRO 5

 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

  n  
2

  ∑ (Yi −1, j − Yi −1 )(Yi , j − Yi )  

1  n  
= ×  ∑ (Yi , j − Yi ) − 
2 j =1
σ i2,O n  i = 2,..., k (13)
n
∑ (Yi −1, j − Yi −1 )
2
 j =1

 j =1 
 
n

∑ (Y
j =1
i −1, j − Yi −1 )(Yi , j − Yi )
βi = n i = 2,...,k (14)
∑ (Yi −1, j − Yi −1 )
2

j =1

Determina-se a intensidade de transmissão das variações dos estoques (observadas em cada

um dos níveis) até o último nível da CA (nível k) de duas formas:

− para os níveis 1, ..., k-1

2
 k  2
 ∏ j  σ i ,O
β
Ii =  
j =1+ i
i = 1,..., k-1 (15)
2
σk
− para o nível k

σ i2,O
Ii = 2 i=k (16)
σk
6. Aplicação do MAVEs
A aplicação do modelo apresentado na seção 5 foi realizada junto a empresas que fabricam,
distribuem e comercializam produtos de limpeza, sediadas na Região Metropolitana de Porto
Alegre - RMPA, durante o meses de outubro de 2002 até março de 2003. Os estoques desta
CA foram avaliados em quatro níveis hierárquicos e referem-se ao produto LIMPEX (nome
fictício), vendido em caixas contendo 12 frascos de 500ml. A demanda e os lead times são
estocásticos. Em todos os níveis da CA os estoques são avaliados de acordo com um
Sistema(s, S), cujo período de revisão é de 1 semana.
Os dados apresentados na Figura 1 correspondem às médias semanais (x10 caixas) obtidas a
partir de 8 amostras dos estoques existentes na CA pesquisada, em cada um de seus quatro
níveis, relativos a 6 meses de operação. Os níveis referem-se a CLIENTE(nível 1),
VAREJISTA(nível 2), ATACADISTA(nível 3) e FÁBRICA(nível 4). No caso do CLIENTE,
as quantidades demandadas e recebidas são tratadas no modelo da mesma forma que os
estoques dos níveis 2, 3 e 4. Desta maneira, assegura-se a inclusão das variações de demanda
na modelagem proposta.
O modelo de transmissão das variações ao longo dos 4 níveis da cadeia tem a seguinte
estrutura:
σ 42 = σ 4,2 O + β 42σ 3,2 O + ( β 4 β 3 ) 2 σ 2,2 O + ( β 4 β 3 β 2 ) 2 σ 1,2O (17)

ENEGEP 2003 ABEPRO 6

 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

Figura 1 – Estoques nos diferentes níveis da CA (x10 caixas)

As estimativas das variâncias observadas diretamente nos quatro da níveis da CA são:

σ 1,2O = 5,83432 ; σ 2,2 O = 6, 36682 ; σ 3,2 O = 7, 5594 2 e σ 4,2 O = 11, 0937 2 . As estimativas
dos coeficientes que medem o grau de transmissão da variação dos estoques de um nível para
o nível seguinte, são: β 2 = 0, 4136 ; β 3 = 0, 5759 e β 4 = 0, 5253 . Resolvendo a equação
(17), a variância total estimada para a CA é σ 4 = 11, 9616 .A partir deste valor, calcula-se a
2 2

intensidade da transmissão das variações por nível (CLIENTE, VAREJISTA, ATACADISTA

e FÁBRICA), utilizando as equações (15) e (16). Os resultados obtidos, I1 = 0, 37% ;
I 2 = 2, 59% ; I 3 = 11, 20% e I 4 = 86, 02% , mostram que a maior parte (86,02%) da
variação total nos estoques ocorre na FÁBRICA (4o. nível da CA), conforme a Figura 2.

7. Conclusão
Cadeias de abastecimento são estruturas de difícil representação, devido à sua complexidade. Em
ambientes de demanda e lead time estocásticos, essa complexidade freqüentemente é o maior
obstáculo para a identificação das fontes de variabilidade. A modelagem apresentada neste artigo
constitui uma abordagem inovadora para os problemas de estoques e pode auxiliar na geração de
uma base confiável para a boa gestão dos mesmos.
Os resultados apresentados neste artigo sugerem que o MAVEs pode ser útil como ferramenta de
apoio aos processos decisórios na área de estoques. A abordagem desenvolvida permitiu identificar
as contribuições percentuais de cada um dos quatro níveis da estrutura estudada para a formação dos
estoques da CA do produto pesquisado.

ENEGEP 2003 ABEPRO 7

 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

100
90
80
70
60
50
40
30
20
10
0
CLIENTE VAREJISTA ATACADISTA FÁBRICA

Figura 2 – Intensidade de transmissão da variação dos estoques

A operacionalização desta proposta é facilitada em razão do uso de regressão linear múltipla, que é
uma técnica amplamente utilizada pelos pesquisadores. Além de identificar as fontes de
variabilidade, o modelo quantifica a contribuição de cada nível para a variação total dos estoques,
desde o início até o fim da CA pesquisada.
Referências
BALLOU, R. H. (2001) - Gerenciamento da Cadeia de Suprimentos: Planejamento, Organização e Logística
Empresarial. Bookman. 4a Edição. Porto Alegre.
BANKS, J.; CARSON, J. S. II & NELSON, B. L. (1996) - Discret-Event System Simulation. Prentice-Hall. 2a
Edição. New Jersey.
BHATTACHARYA, A. K.; COLEMAN, J. L. & BRACE, G. (1996) - The Structure Conundrum in Supply
Chain Management. International Journal of Logistics Management. Vol. 7, n. 1, p. 39-48.
BOWERSOX, D. J. (1978) - Logistical Management. Macmillan. 2a Edição. New York.
COOPER, M. C. & ELLRAM, L. M. (1993) - Characteristics of Supply Chain Management and the Implications
for Purchasing and Logistics Strategy. International Journal of Logistics Management. Vol. 4, n. 2, p.13-24.
CHRISTOPHER, M. G. (1992) - Logistics and Supply Chain Management. Pitman Publishing. London.
ELLRAM, L. M. (1991) - The Industrial Organisation Perspective. International Journal of Physical
Distribution and Logistics Management. Vol. 21, n. 1, p.13-22.
ELSAYED, E. A. & BOUCHER, T. O. (1994) - Analysis and Control of Production Systems. Prentice Hall. 2a
Edição. New Jersey:
FIORIOLLI, J. C. & FOGLIATTO, F. S. (2002) - Tecnologia de Informação na Modelagem de Sistemas
Hierárquicos de Estoques. In: ENEGEP, 21., 2001, Salvador. Anais... UFRGS (CD-ROM).Porto Alegre.
JOHNSON, L.A. & MONTGOMERY, D.C. (1974) - Operations Research in Production Planning, Scheduling,
and Inventory Control. John Wiley. New York.
KRAJEWSKI, L. J. & RITZMAN, L. P. (1999) - Operations Management: Strategy and Analysis. Addison-
Wesley. 5a Edição. Reading.
LAWLESS, J. F. & MACKAY, R. J. (1999) - Analysis of Variation Transmission in Manufacturing Processes –
Part I. Journal of Quality Technology. Vol. 31, n. 2, p.131-142.
MALHOTRA, N. K. (2001) - Pesquisa de Marketing. Bookman. Porto Alegre.
PIDD, M. (1998) - Modelagem Empresarial: ferramentas para tomada de decisão. Artes Médicas. Porto Alegre.
RENCHER, A. C. (1995) - Methods of Multivariate Analysis. John Wiley. New York.
SILVER, E. A. & PETERSON, R. (1985) - Decision Systems for Inventory Management and Production
Planning. John Wiley. 2a Edição. New York.
TAYLOR , B. W. (1999) - Introduction to Management Science. Prentice-Hall. 6a Edição. New Jersey.
YOURDON, E. (1990) - Análise Estruturada Moderna. Campus. Rio de Janeiro.

ENEGEP 2003 ABEPRO 8