• Nenhum resultado encontrado

Combinando o método TOPSIS e a classificação ABC de estoques: uma aplicação em uma empresa comercial de autopeças / Combining TOPSIS method and ABC inventory classification: application in an auto parts company

N/A
N/A
Protected

Academic year: 2021

Share "Combinando o método TOPSIS e a classificação ABC de estoques: uma aplicação em uma empresa comercial de autopeças / Combining TOPSIS method and ABC inventory classification: application in an auto parts company"

Copied!
15
0
0

Texto

(1)

Combinando o método TOPSIS e a classificação ABC de estoques: uma

aplicação em uma empresa comercial de autopeças

Combining TOPSIS method and ABC inventory classification: application in an

auto parts company

Recebimento dos originais: 16/06/2018 Aceitação para publicação: 08/08/2018

Milena Cristina da Silva Rufino

Graduada em Engenharia de Produção e Qualidade pelo Centro Universitário da Fundação Educacional Guaxupé (UNIFEG)

Instituição: Centro Universitário da Fundação Educacional Guaxupé (UNIFEG) Endereço: Av. Dona Floriana, 463 - Centro, Guaxupé - MG, Brasil

E-mail: milena_cristina2@hotmail.com

Rodrigo Lanzoni Fracarolli

Mestre em Engenharia Urbana pela Universidade Estadual de Maringá (UEM) Instituição: Universidade Estadual de Maringá (UEM), campus Goioerê Endereço: Av. Reitor Zeferino Vaz, S/N - Jardim Universitário, Goioerê - PR, Brasil

E-mail: rodrigofracarolli@gmail.com

Francisco Rodrigues Lima Junior

Doutor em Engenharia de Produção pela Universidade de São Paulo (USP) Instituição: Universidade Tecnológica Federal do Paraná (UTFPR), campus Curitiba

Endereço: Av. Sete de Setembro, 3165 - Rebouças, Curitiba - PR, Brasil E-mail: frjunior@utfpr.edu.br

RESUMO

A gestão de estoques é um fator importante para a competitividade das organizações, pois impacta diretamente aspectos de desempenho como qualidade, preço e prazo de entrega. Uma ferramenta bastante utilizada no apoio à gestão de estoques é a classificação ABC, que subdivide os itens de acordo com sua importância relativa. Esse estudo propõe um modelo de classificação de estoques que combina os princípios da classificação ABC com um método de tomada de decisão multicritério denominado TOPSIS (Technique for Order of Preference by Similarity to Ideal

Solution). Uma aplicação real foi feita em uma empresa comercial de autopeças, situada em

Alterosa-MG, considerando um conjunto total de 354 itens. Os critérios de classificação (quantidade total vendida, valor total vendido, lead time e disponibilidade) foram definidos de acordo com os dados disponíveis à empresa para avaliação de cada item. Por meio desse estudo, foi possível constatar que os itens críticos (classe A) são predominantemente aqueles relacionados à

(2)

função básica do automóvel e à segurança. Os resultados da aplicação serviram de base para a empresa programar melhor o reabastecimento de itens.

Palavras-chave: Gestão de estoques; classificação ABC; TOPSIS; tomada de decisão multicritério. ABSTRACT

Inventory management is an important factor for the competitiveness of organizations, since it affects performance aspects such as quality, price and delivery time. A widely used technique to support inventory management is the ABC classification, which subdivides the items according to their relative importance. This study proposes an inventory classification model that combines ABC classification with a multicriteria decision-making method named TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution). A pilot application was made in an auto parts trading company considering 354 items. The classification criteria (number of items sold, total value of sales, lead time and item availability) were defined according to the historical data available to evaluate each item. Through this study, it was possible to conclude that the critical items (class A) are predominantly those used to the basic and security functions of automobiles. The results of the application are useful to better program the replenishment process of the company.

Keywords:Inventory management; ABC classification; TOPSIS; multicriteria decision making.

1 INTRODUÇÃO

A gestão de estoques consiste em um fator expressivo na garantia da vantagem competitiva em longo prazo, pois impacta diretamente aspectos de desempenho como qualidade, preço, prazo de entrega e uso da capacidade produtiva (HANSEN; MOWEN, 2001). Mateus, Silva e Silva (2016) alertam que se a gestão de estoques for realizada da mesma maneira para todos os produtos, desconsiderando aspectos como grau de importância do item, nível de manutenção e lotes de reposição, a chance de haver ineficiência no sistema aumenta significativamente. Para Tadeu (2010), a gestão não é apenas o controle dos materiais, mas sim de toda a cadeia de atividades desde o surgimento da demanda até o suprimento da necessidade de consumo. Sendo assim, o melhor recurso para um bom gerenciamento são as informações, ou seja, é essencial conhecer o mercado que se atua, a própria organização, suas características e necessidades (TADEU, 2010).

Uma ferramenta comumente utilizada no apoio à gestão de estoques consiste na classificação ABC. Segundo Corrêa e Caon (2011), a classificação ABC serve para subdividir os produtos de determinada organização em três grupos (denominados A, B e C), com base em alguns critérios de classificação, como custo e taxa de consumo. Dessa forma, os itens são subdivididos de acordo com seu nível de importância relativa, de modo a proporcionar o uso de diferentes práticas de gestão de estoque para cada grupo. A aplicação dessa ferramenta pode conduzir a economias financeiras significativas, uma vez que somente os itens classificados como críticos irão requerer o uso sistemas de gestão de estoque mais caros.

(3)

Diversos autores sugerem que o uso de técnicas de decisão multicritério pode auxiliar na classificação ABC por meio da consideração de vários critérios de avaliação, e não apenas do custo e da taxa consumida. Com o intuito de identificar as técnicas mais adequadas a esse problema, diversos estudos vêm sendo desenvolvidos. Kabir e Hasin (2011) compararam o uso dos métodos

Analytical Hierarchy Process (AHP) e Fuzzy Analytical Hierarchy Process (FAHP) no apoio à

classificação ABC. Posteriormente, Kabir e Hasin (2013) aplicaram as técnicas FAHP e redes neurais artificiais de forma integrada neste problema. Embora o método multicritério denominado

Technique for Order of Preference by Similarity to Ideal Solution(TOPSIS) apresente potenciais

vantagens de uso na classificação ABC, incluindo a possibilidade de utilizar uma quantidade não limitada de critérios e alternativas (LIMA JUNIOR; CARPINETTI, 2015), na literatura não são encontradas aplicações deste método neste domínio de problema.

Neste contexto, o objetivo deste estudo é aplicar o método TOPSIS no apoio à classificação ABC dos itens de uma empresa comercial de autopeças, situada em Alterosa-MG. Por meio deste estudo, foi possível conhecer melhor os itens da empresa a fim de desenvolver políticas adequadas para a gestão de cada categoria de item, de modo a aumentar a eficiência e a eficácia da organização.Quanto à estrutura do artigo, a Seção 2 apresenta um referencial teórico sobre gestão de estoques, classificação ABC e método TOPSIS. A Seção 3 descreve os procedimentos metodológicos utilizados no estudo enquanto a Seção 4 apresenta e discute os resultados da aplicação realizada. Por fim, a Seção 5 aponta as conclusões da pesquisa.

2 REFERENCIAL TEÓRICO

2.1 GESTÃO DE ESTOQUES

Em empresas comerciais, a administração dos estoques possui uma significativa importância estratégica. Para Ronchi et al. (2016) o estoque é o ativo que mais merece atenção nesse setor. Isso ocorre porque essa característica é determinante para os custos com aquisição e manutenção de materiais, afetando também o nível de disponibilidade dos produtos e, principalmente, a fidelização dos clientes. Segundo Ballou (2006), o conceito de estoque é entendido como todos excedentes de materiais, suprimentos, produtos em processo e produtos finalizados presentes ao longo do canal de distribuição. De acordo com Martins e Alt (2006), a função básica dos estoques é regular o fluxo de negócios.

Romagnh et al. (2003) argumentam que as empresas devem implementar estrategicamente políticas de estoques de forma integrada, levando em consideração toda a cadeia de valor. Por meio

(4)

do planejamento dos estoques, é possível estabelecer níveis que atendam a demanda com os níveis de serviço estabelecidos. Para isso, é necessário conhecer a demanda dos itens e o tempo gasto desde que o pedido é feito até o produto estar disponível para o cliente, conceito conhecido como

lead time. Todas as informações servirão de entrada para o sistema de gestão de estoques da

empresa.

Para Corrêa e Caon (2011), o principal objetivo de um sistema de gestão de estoques é disponibilizar informações aos tomadores de decisão sobre quais, quantos e quando serão necessários os suprimentos de recursos materiais, para atender a determinadas necessidades de consumo pelo mercado. De acordo com Couto et al. (2016), a implantação efetiva destetipo de sistema aumenta a lucratividade e facilita a superação das dificuldades geradas pela crise econômica atual. Existem diversas ferramentas que auxiliam na gestão de estoques.Neste estudo será aplicada a classificação ABC, detalhada a seguir.

2.2 CLASSIFICAÇÃO ABC

De acordo com Mateus, Silva e Silva(2016), a classificação ABC (ou curva ABC)é uma ótima ferramenta de controle,baseada na categorização dos produtos de acordo com critérios adequados. Cada produto deve ser incluído em algum dos três grupos: grupo A, grupo B ou grupo C (CORRÊA; CAON, 2011).No grupo A, os produtos participantes são os que demandam maior atenção; no grupo B, classificados como intermediários, carecem de atenção após os itens do grupo A; e para o grupo C, os produtos menos relevantes em termos financeiros (ARAGÃO et al., 2016). A Figura 1 ilustra o comportamento dos produtos ao longo da curva.

(5)

FIGURA 1–Conceito da curva ABC. Fonte: Corrêa e Caon (2011).

Segundo Ronchi et al. (2016), os critérios básicos da classificação ABC são quantidade movimentada e custo.Contudo, conforme apontado por Lima Junior, Cervi e Carpinetti (2014), além dos critérios básicos, muitos outros podem ser utilizados para uma melhor classificação dos itens estocados. Eles variam de acordo com a necessidade de cada organização.A subseção a seguir descreve alguns estudos que utilizam múltiplos critérios na classificação ABC.

2.3 APLICAÇÃO DE MÉTODOS MULTICRITÉRIO NO APOIO À CLASSIFICAÇÃO ABC

As técnicas de decisão multicritério são metodologias que utilizam mais de um critério na avaliação de múltiplas alternativas, com o propósito de seleção, ordenação ou categorização destas alternativas. Elas auxiliam os gestores no apoio à tomada de decisão em situações de incerteza, complexidade e/ou objetivos conflitantes. Os principais benefícios da utilização dessas técnicas consistem no aumento da eficácia e eficiência das decisões e no processamento de dados se torna mais ágil (LIMA JUNIOR; CARPINETTI, 2015).

(6)

QUADRO1 – Modelos quantitativos propostos para classificação ABC de estoques.

Proposto por Técnica usada Critérios adotados

Zhou e Fan

(2007) Otimização linear ponderada

Custo médio unitário, demanda anual, fator crítico e lead time

Kabir e Hasin

(2011) AHP e Fuzzy AHP

Demanda anual, durabilidade,fator crítico, preço unitário e última data de uso

Yu (2011)

Backpropagation networks, Support vector machines e

k-Nearest neighbors

Custo médio unitário, demanda anual, fator crítico e lead time

Kabir e Hasin

(2013) Rede neural artificial e Fuzzy AHP

Demanda anual, durabilidade, fator crítico, preço unitário e última data de uso

Lima Junior,

Cervi e

Carpinetti (2014)

Sistema de inferência fuzzy Preço, demanda e disponibilidade

Park, Bae e Bae (2014)

Otimização linear ponderada em avaliação cruzada

Custo médio unitário, demanda anual, importância elead time

Hatefi, Torabi e

Bagheri (2014) Otimização linear modificada

Custo médio unitário, demanda anual, fator crítico com 3 categorias (muito, moderadamente e não crítico) e lead time Soto, Yacout e

Ángel-Bello (2016)

Análise lógica de dados Custo médio anual unitário, demanda anual, fator crítico e lead time

Liu, Liao, Zhao e Yang (2016)

Medida ótima de inconsistência; algoritmo genético e otimização do enxame de partículas

Custo médio unitário, demanda anual, lead time e taxa de rotatividade

Hu, Chakhar, Siraj e Labib (2017)

Fuzzy classification rule, Nearest neighbours, Máquina de vetores de suporte, Árvores de decisão, Multi-layer perceptron network e Naïve Bayes.

Custo médio unitário, demanda anual, fator crítico e lead time

Fonte: Elaborado pelos autores.

Conforme mostra o Quadro 1, diversos estudos vêm explorando o uso de técnicas de tomada de decisão multicritério e de inteligência artificial na classificação ABC de estoques. Kabir e Hasin (2011) compararam os métodos Analytical Hierarchy Process (AHP) e Fuzzy Analytical Hierarchy

Process (FAHP) a fim de identificar a técnica que fornece o resultado mais satisfatório. Eles

constataram que o item varia de grupo de acordo com a técnica utilizada. Ainda segundo esses autores, para informações precisas, o AHP clássico é mais indicado, contudo o FAHP tem melhor desempenho para informações incertas. Kabir e Hasin (2013) integraram as técnicas FAHP e redes neurais artificiais, o que possibilitou sintetizar os julgamentos linguísticos dos tomadores de decisão e modelar relacionamentos não lineares entre os critérios de classificação. Lima Junior, Cervi e Carpinetti (2014) utilizaram sistemas de inferência fuzzy na classificação ABC de itens. As vantagens dessa abordagem incluem a modelagem de variáveis qualitativas e a incorporação do conhecimento dos tomadores de decisão a respeito do problema por meio de uma base de regras de decisão parametrizável. Já Soto, Yacout e Ángel-Bello (2016) aplicaram a Análise Lógica de Dados (LAD) e concluíram que esta ferramenta é muito eficiente na classificação de novos itens, além de ter boa consistência na geração de padrões.

(7)

Embora algumas das técnicas indicadas no Quadro 1 apresentem vantagens como a modelagem de informações imprecisas e de relacionamentos não lineares entre os critérios de classificação, elas também apresentam algumas limitações. Enquanto o AHP e o FAHP requerem uma quantidade alta de comparações par a par, o que inviabiliza a aplicação para a classificação de muitos itens, as redes neurais artificiais e os sistemas de inferência fuzzy exigem um grande esforço no processo de modelagem e parametrização. Embora o método TOPSIS apresente vantagens como não requerer o ajuste de parâmetros, exigir uma menor quantidade de julgamentos dos tomadores de decisão e não limitar a quantidade de itens avaliados simultaneamente, não foram encontrados estudos na literatura que utilizem este método no apoio à classificação ABC de estoques.

2.4 O MÉTODO TOPSIS

O método TOPSIS vem sendo usado na resolução de diversos problemas de tomada de decisão multicritério. Esse método procura priorizaras alternativas que tem a menor distância da solução ideal positiva e a maior distância da solução ideal negativa (SAYAREH; ALZIMINI, 2014; KIM, 2016).Uma de suas vantagens é ser adequadoa problemas com grande número de critérios e alternativas, especialmente nos casos em que os critérios são de natureza quantitativa(LIMA JUNIOR; CARPINETTI, 2015).A aplicação do TOPSISpode ser feita a partir dos seguintes passos (HWANG;YOON,1981; LIMA JUNIOR; CARPINETTI, 2015):

a) Estruturar a matriz de decisão e vetor de pesos conforme a Equação 1, onde dij representa a

pontuação da alternativa i (Ai) no critério j (C1);

C1 C2 ⋯ Cj ⋯ Cm D = A1 ⋮ Ai ⋮ An[ d11 d12 ⋯ ⋮ ⋮ di1 di2 ⋯ d1j ⋯ d1m ⋮ ⋮ dij ⋯ dim ⋮ ⋮ dn1 dn2 ⋯ ⋮ ⋮ dnj ⋯ dnm] (1)

b) Ponderar e normalizar a matriz de decisão usando a Equação 2, onde dijsão os elementos da

matriz de decisão ewj representa o peso dos critérios.

nij = wjdij⁄√∑ni=1dij2 (2)

c) Obter as soluções ideais positiva (A+) e negativa (A-) de acordo com a Equações 3 e 4, respectivamente. Nessas equações,nj+representa a melhor pontuação alcançada pelas

(8)

alternativas no critério j e nj- representa a pior pontuação das alternativas neste mesmo

critério.

A+ = {MAX

jnij | j = 1,2, … , m} = {n1+, … , nj+, … , nm+} (3)

A− = {MINjnij | j = 1,2, … , m} = {n1−, … , nj−, … , nm−} (4)

d) Calcular a distância (Di+) entre os elementos da matriz de decisão ponderada e normalizada,

e a solução ideal positiva, usando a Equação 5.Similarmente, calcular a distância (Di-) entre

os elementos da matriz de decisão e a solução ideal positiva por meio da Equação 6.

Di+ = √∑𝑚j=1(nij− nj+)2 (5)

Di− = √∑m (nij− nj−)2

j=1 (6)

e) Por último, usando a Equação 7, deve-se calcular o coeficiente de aproximação (CCi) de

cada alternativa e ordenar o resultado de forma decrescente. Quanto mais próximo de 1 for o valor de CCi, melhor é o desempenho da alternativa.

CCi = Di−⁄(Di++ Di−) (7)

3 PROCEDIMENTOS METODOLÓGICOS

Com base em Martins, Mello e Turrioni (2014), essa pesquisa pode ser caracterizada como modelagem e simulação computacional. A modelagem e a simulação consistem no processo de criação de um sistema seguindo um modelo matemático computadorizado, onde são recebidas entradas e produzidos resultados para algum fim.A modelagem e simulação computacional visa o conhecimento detalhado do sistema modelado para que seja possível aperfeiçoá-lo (MARTINS; MELLO; TURRIONI, 2014).

Em relação à organização da pesquisa, essa pesquisa pode ser dividida em três etapas:

a) Pesquisa bibliográfica: foi feita a partir de livros e artigos nacionais e internacionais sobre

gestão de estoques, classificação ABC, técnicas multicritério e método TOPSIS. Essa etapa forneceu subsídios para as etapas posteriores, principalmente quanto à modelagem computacional;

b) Pesquisa de campo:realizada em uma empresa comercial de autopeças, situada em

(9)

março de 2016 e março de 2017. O software gerou um relatório contendo um histórico sobre a quantidade de itens vendidos e o valor movimentado. Além dos dados extraídos do relatório, foram coletados julgamentos de uma funcionária da empresa em relação ao lead time e à disponibilidade dos itens. O Quadro 2 detalha a escala utilizada para a coleta desses julgamentos;

Quadro 2 – Escala usada para pontuação dos itens nos critérios lead time e disponibilidade. Pontuação Critério Lead Time Critério Disponibilidade

3 Produto chega rapidamente Cliente quer o produto imediatamente

5 Produto chega em tempo razoável Cliente pode esperar pelo produto por certo período 7 Produto demora a chegar Cliente pode esperar por tempo indeterminado Fonte: Elaborado pelos autores.

c) Modelagem e simulação computacional: com base nas equações apresentadas na subseção 2.4,

o método TOPSIS foi implementado por meio de uma planilha eletrônica usando o Microsoft Excel. Os dados coletados serviram de entrada ao modelo computacional TOPSIS. Os resultados da aplicação são descritos a seguir.

4 APRESENTAÇÃO E DISCUSSÃO DE RESULTADOS

A organização participante deste estudo consiste em uma empresa familiar de autopeças. A empresa foi a primeira do ramo a se instalar na cidade. Suas atividades se iniciaram em 1994. Os itens vendidos variam desde peças mecânicas e elétricas a acessórios.

A aplicação do método TOPSIS foi feita considerando um conjunto total de 354 itens. Os critérios foram definidos de acordo com os dados disponíveis à empresa para avaliação de cada item. Os pesos dos critérios quantidade total vendida, valor total vendido, lead time e disponibilidade foram atribuídos pela funcionária entrevistada e receberam respectivamente os seguintes valores: 0,7; 0,9; 0,3 e 0,8.

Embora o TOPSIS tenha sido aplicado para a classificação de centenas de itens, os resultados a seguir exibem apenas os valores resultantes do processamento dos 5 primeiros itens (em ordem alfabética) devido à limitação de tamanho deste artigo. A Tabela 1 mostra a matriz de decisão com as pontuações de 5 itens. Já a Tabela 2 apresenta a matriz ponderada e normalizada de acordo com a Equação 2.

(10)

TABELA 1 – Matriz de decisão do método TOPSIS. Itens (alternativas) Critérios Quantidade vendida Valor total vendido Lead time Disponibilidade

ABRAÇADEIRA TIPO SIMLEX 19 25,30 3 3

ABRAÇADEIRA TIPO U UNIV. 13 60,00 3 3

ACENDEDOR DE CIGARROS UNIV. 4 93,80 7 5

ACOPLAMENTO VARÃO CÂMBIO 6 249,20 5 3

ADITIVO PARA ÓLEO DO MOTOR 6 126,20 7 5

Fonte: Elaborada pelos autores.

TABELA 2– Matriz de decisão ponderada e normalizada. Itens (alternativas) Quantidade

vendida

Valor total

vendido Lead time Disponibilidade ABRAÇADEIRA TIPO SIMLEX 0,00445 0,00025 0,00341 0,01075 ABRAÇADEIRA TIPO U UNIV. 0,00305 0,00060 0,00341 0,01075 ACENDEDOR CIGARROS UNIV. 0,00094 0,00093 0,00796 0,01791 ACOPLAM. VARÃO CÂMBIO 0,00141 0,00248 0,00568 0,01075 ADITIVO ÓLEO DO MOTOR 0,00141 0,00126 0,00796 0,01791 Fonte: Elaborada pelos autores.

Usando as Equações 3 e 4, foram definidas as soluções ideais positiva e negativa, conforme apresenta a Tabela 3. A distância entre a pontuação de cada alternativa e a SIP, mostrada na Tabela 4, foi calculada por meio da Equação 5. Já a distância entre a pontuação de cada alternativa e a SIN foi calculada usando a Equação6 e é mostrada na Tabela 5.

TABELA 3 – Solução Ideal Positiva (SIP) e Solução Ideal Negativa (SIN).

Itens (alternativas) Quantidade vendida Valor total vendido Lead time Disponibilidade Solução Ideal Positiva (SIP) 0,14037 0,20737 0,00796 0,02507 Solução Ideal Negativa (SIN) 0,00023 0,00001 0,00341 0,01075 Fonte: Elaborada pelos autores.

TABELA 4 –Distância entre as alternativas e a SIP. Itens (alternativas) Quantidade

vendida Valor total vendido Lead time Disponibilidade ∑ (somatório distâncias – SIP) ABRAÇADEIRA TIPO SIMLEX 0,01847 0,04290 0,00002 0,00021 0,24819 ABRAÇADEIRA TIPO U UNIV. 0,01886 0,04276 0,00002 0,00021 0,24868 ACENDEDOR CIGARROS UNIV. 0,01944 0,04262 0,00000 0,00005 0,24922 ACOPLAM. VARÃO CÂMBIO 0,01931 0,04198 0,00001 0,00021 0,24800 ADITIVO ÓLEO DO MOTOR 0,01931 0,04248 0,00000 0,00005 0,24869

(11)

TABELA 5–Distância entre as alternativas e a SIN. Itens (alternativas) Quantidade

vendida Valor total vendido Lead time Disponibilidade ∑ (somatório distâncias – SIP) ABRAÇADEIRA TIPO SIMLEX 0,00002 0,00000 0,00000 0,00000 0,00423 ABRAÇADEIRA TIPO U UNIV. 0,00001 0,00000 0,00000 0,00000 0,00287 ACENDEDOR CIGARROS UNIV. 0,00000 0,00001 0,00002 0,00005 0,00856 ACOPLAM. VARÃO CÂMBIO 0,00000 0,00000 0,00001 0,00000 0,00356 ADITIVO ÓLEO DO MOTOR 0,00000 0,00002 0,00002 0,00005 0,00866

Fonte: Elaborada pelos autores.

Os coeficientes de aproximação (CCi) foram calculados usando a Equação 7 e são apresentados na Tabela 6. Após isso, ordenou-se os valores de CCi em ordem decrescente e calculou-se o CCi acumulado. Esses valores foram usados para classificação final dos itens. As faixas de separação dos grupos usando foram definidas da seguinte forma: grupo A, até 49,87% do CCi acumulado; grupo B, de 50,24% até 79,84% e; grupo C, de 80,05% até 100%. A Tabela 7 destaca alguns dos itens que alcançaram maior pontuação final e por isso foram classificados na categoria A. Em maior destaque, estão os itens retentor, vela e bateria.

TABELA 6 – Coeficientes de aproximação (CCi). Itens (alternativas) CCi ABRAÇADEIRA TIPO SIMLEX 0,01674 ABRAÇADEIRA TIPO U UNIV. 0,01142 ACENDEDOR CIGARROS UNIV. 0,03322 ACOPLAM. VARÃO CÂMBIO 0,01414 ADITIVO ÓLEO DO MOTOR 0,03364 Fonte: Elaborada pelos autores.

TABELA7 – Dados para construção da Curva ABC.

Itens (alternativas) CCi CCi Acumulado % CCi Acumulado Classe

RETENTOR 0,9433 0,9433 05,43 A

VELA 0,5192 1,4625 08,42 A

BATERIA 0,4557 1,9182 11,04 A

ÓLEO 0,3407 2,2589 13,00 A

LÂMPADA 0,3095 2,5684 14,78 A

Fonte: Elaborada pelos autores.

A Tabela 8 apresenta uma síntese dos resultados da classificação de todos os itens avaliados. Já a Figura 2 ilustra a classificação ABC resultante da aplicação. Analisando a classificação resultante, observou-se que os itens críticos são os que exercem a função básica do automóvel (“mover-se”) e os itens associados aos freios por refletirem risco à segurança. Já os produtos acessórios foram classificados predominantemente nas classes B e C. A partir desses resultados, a empresa participante dessa pesquisa desenvolveu as seguintes políticas de gestão de estoques:

(12)

comprar itens de classe A sempre que eles forem vendidos; comprar periodicamente itens de classe B e comprar por encomenda itens de classe C.

TABELA 8 – Síntese dos resultados da classificação ABC.

Classe Percentual de valor da classe Percentual de itens classificados nesta classe

A 50 15

B 30 30

C 20 55

Fonte: Elaborada pelos autores.

FIGURA 2– Gráfico da Curva ABC resultante da aplicação. Fonte: Elaborada pelos autores.

5 CONCLUSÃO

Esse estudo apresentou um modelo multicritério de classificação de estoques que combina os princípios da curva ABC com o método TOPSIS. O modelo é baseado nos critérios quantidade total vendida, valor total vendido, lead time e disponibilidade. Através de uma aplicação realizada em uma empresa comercial de autopeças, foi possível constatar que os itens críticos (classe A) são predominantemente aqueles relacionados à função básica do automóvel e à segurança. Os resultados da aplicação serviram de base para a empresa programar melhor o reabastecimento de itens.

No processo de coleta de dados, percebeu-se que a responsável pela empresa era capaz de identificar intuitivamente a maioria dos itens críticos devido ao fato de estar no mercado de autopeças há cerca de vinte e três anos. Nesse sentido, por meio da apresentação dos resultados à funcionária, confirmou-se que a classificação realizada está de acordo o conhecimento tácito da mesma, o que indica a efetividade do método TOPSIS.

(13)

Sobre oportunidades para a realização de estudos futuros, uma vez que a responsável pela empresa informou que a maioria dos pedidos aos fornecedores requer o pagamento de fretes,sugere-se a realização de um estudo para a otimização dos pedidos de compra a fim de aproveitar ao máximo a capacidade da carga e de minimizar o valor total gasto com fretes. Além disso, outra sugestão seria implantar um sistema kanban em toda a empresa, seguindo a ordem de implantação de acordo com a classificação ABC. Estudos futuros também podem aplicar o modelo proposto em empresas de manufatura de diferentes setores.

REFERÊNCIAS

ARAGÃO, A.M.S.; SANTOS, D.S.; OLIVEIRA SANTOS, M.; MONTEIRO, L.F. Aplicação da curva ABC em uma empresa do setor atacadista no estado de Sergipe. In: ENCONTRO

NACIONAL DE ENGENHARIA DE PRODUÇÃO, 36., 2016, João Pessoa. Anais eletrônicos. João Pessoa: ABEPRO, 2016.

BALLOU R.H. Gerenciamento da cadeia de suprimentos/logística empresarial. Porto Alegre: Bookman, 2006.

CORRÊA, H.L.; CAON M. Gestão de serviços: Lucratividade por meio de operação e de

satisfação dos clientes. São Paulo: Atlas, 2011.

COUTO, L.F.G.; LEAO, C.A.; TANNUS, B.G.R.V.M.; CARNEIRO, M.S. A aplicação de métodos de previsão e sua influência na lucratividade de uma relojoaria. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 36., 2016, João Pessoa. Anais eletrônicos. João Pessoa:

ABEPRO, 2016.

HANSEN, D. R.; MOWEN, M. M. Gestão de Custos: contabilidade e controle. São Paulo: Pioneira, 2001.

HATEFI, S.M.; TORABI, S.A.; BAGHERI, P. Multi-criteria ABC inventory classification with mixed quantitative and qualitative criteria. International Journal of Production Research, v. 52, n.3, p.776–786, 2014.

HU, Q.; CHAKHAR, S.; SIRAJ, S.; LABIB, A. Spare parts classification in industrial

manufacturing using the dominance-based rough set approach.European Journal of Operational

(14)

HWANG, C.L.; YOON, K. Multiple attribute decision making: methods and applications. Berlin: Springer-Verlag, 1981.

KABIR, G.; HASIN, M.A.A. Comparative analysis of AHP and fuzzy AHP models for multicriteria inventory classification. International Journal of Fuzzy Logic Systems, v. 1, n. 1, p.1-16, 2011.

KABIR, G.; HASIN, M.A.A. Multi-criteria inventory classification through integration of fuzzy analytic hierarchy process and artificial neural network.International Journal of Industrial and

Systems Engineering, v. 14, n. 1, p. 74-103, 2013.

KIM, R. A Study on Competitiveness Analysis of Ports in Korea and China by Entropy Weight TOPSIS.The Asian Journal of Shipping and Logistics, v.32, n.4, p.187-194, dez.2016.

LIMA JUNIOR, F.R.; CARPINETTI, L.C.R. Uma comparação entre os métodos TOPSIS e Fuzzy-TOPSIS no apoio à tomada de decisão para seleção de fornecedores. Gestão & Produção, v.22, n.1, p.17-34, 2015.

LIMA JUNIOR, F.R.; CERVI, A.; CARPINETTI, L.C. Uma metodologia multicritério baseada em inferência fuzzy para classificação ABC de estoques. Pesquisa Operacional para o

Desenvolvimento, v.6, p.343-366, 2014.

LIU, J.; LIAO, X.; ZHAO, W.; YANG, N. 2016. A classification approach based on the outranking model for multiple criteria ABC analysis.Omega, v.61, p.19-34, 2016.

MARTINS, P.G.; ALT, P.R.C. Administração de materiais e recursos patrimoniais. São Paulo: Saraiva, 2006.

MARTINS, R.A.; MELLO, C.H.P.; TURRIONI, J.B. Guia para Elaboração de Monografia e TCC

em engenharia de produção. São Paulo: Atlas, 2014.

MATEUS, E.S.; DA SILVA, G.K.C.B.; GOMES DA SILVA, A.L. Análise de sistema de estoques por meio de análise de curva ABC e giro de estoque: Um estudo de caso numa organização

hospitalar pública. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 36., 2016, João Pessoa. Anais eletrônicos. João Pessoa: ABEPRO, 2016.

PARK, J.; BAE, H.; BAE, J. Cross-evaluation-based weighted linear optimization for multi-criteria ABC inventory classification. Computers & Industrial Engineering, v.76, p.40–48, out. 2014.

(15)

ROMAGNH, M.J.F.; NOSSA, V.; PINTO, P.A.V.; PEREIRA, M.M.A.Gestão estratégica de estoques: o caso de uma indústria de alimentos no estado do Espírito Santo.In: CONGRESSO BRASILEIRO DE CUSTOS, 10., 2003, Guarapari. Anais eletrônicos. Guarapari: Associação Brasileira de Custos, 2003.

RONCHI, L.M.; GUIMARAES FILHO, L.P.; GUIMARAES, M.L.F.; CITTADIN, A.Os reflexos da análise da curva ABC na gestão de estoques de uma empresa comercial de materiais de

construção. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 36., 2016, João Pessoa. Anais eletrônicos. João Pessoa: ABEPRO, 2016.

SAYAREH, J.; ALIZMINI, H.R. A Hybrid Decision-Making Model for Selecting Container Seaport in the Persian Gulf.The Asian Journal of Shipping and Logistics, v.30, n.1, p.75-95, abr.2014.

SOTO, D.L.; YACOUT, S.; ÁNGEL-BELLO, F. Inventory ABC Supervised Classification with Logical Analysis of Data, 2016. In:Industrial and Systems Engineering Research Conference. Anaheim: ISERC, 2016.

TADEU, H.F.B.Gestão de estoques: fundamentos, modelos matemáticos e melhores práticas

aplicadas. São Paulo: CENGAGE Learning, 2010.

YU, M.C. Multi-criteria ABC analysis using artificial-intelligence-based classification techniques.

Expert Systems with Applications, v.38, n.4, p.3416-3421, abr.2011.

ZHOU, P.; FAN, L. A note on multi-criteria ABC inventory classification using weighted linear optimization. European Journal of Operational Research, v. 182, n.3, p.1488-1491, 2007.

Imagem

TABELA 3 – Solução Ideal Positiva (SIP) e Solução Ideal Negativa (SIN).
TABELA 6 – Coeficientes de aproximação (CCi).
TABELA 8 – Síntese dos resultados da classificação ABC.

Referências

Documentos relacionados

Uma das partes foi submetida à contagem de coliformes totais e coliformes termotolerantes, as outras duas foram submetidas, separadamente, à fervura em água durante cin- co minutos

Quanto às atividades desenvolvidas pelas empresas, 35% comercializam apenas os produtos ou serviços, enquanto 65%, além de vender para o exterior, fazem

Os elementos caracterizadores da obra são: a presença constante de componentes da tragédia clássica e o fatalismo, onde o destino acompanha todos os momentos das vidas das

a) O polícia disse um palavrão, após ter saído da casa de Adrian. Corrige as falsas.. A mãe também está com gripe. “Quase que não consegui ficar calado quando vi que não

Todavia, nos substratos de ambos os solos sem adição de matéria orgânica (Figura 4 A e 5 A), constatou-se a presença do herbicida na maior profundidade da coluna

Effects of the bite splint 15-day treatment termination in patients with temporomandibular disorder with a clinical history of sleep bruxism: a longitudinal single-cohort

Partindo da perspectiva da Resource Based View (RBV), este estudo teve como objetivo identificar os recursos que conferem vantagens competitivas a quarenta franqueados da maior rede

In: VI SEMINÁRIO NACIONAL DE PESQUISADORES DA HISTÓRIA DAS COMUNIDADES TEUTO-BRASILEIRAS (6: 2002: Santa Cruz do Sul).. BARROSO, Véra Lúcia