Our AI-generated summary
Our AI-generated summary
Num ambiente retalhista altamente competitivo, otimizar as operações da cadeia de abastecimento não é apenas uma medida tática — é uma alavanca estratégica fundamental para melhorar margens, garantir a disponibilidade de produtos e apoiar metas de sustentabilidade. Contudo, quando falamos do maior retalhista alimentar e FMCG do país, que opera mais de 300 lojas de formatos variados (hipermercados, supermercados, lojas de proximidade) e um canal de e-commerce em rápido crescimento, a complexidade aumenta exponencialmente.
Cada produto, loja e etapa do processo acrescenta camadas numa rede onde os trade-offs entre eficiência de custos e nível de serviço são constantes. Compreender este ecossistema de forma holística — e identificar onde intervir — exige mais do que dados: requer uma quantificação rigorosa e detalhada da cadeia de abastecimento end-to-end.
Colaborámos com o retalhista para desvendar esta complexidade e criar insights acionáveis. O objetivo era minimizar o custo total da cadeia de abastecimento, tendo em conta as exigências operacionais. Isto implicou ir além da análise tradicional isolada, para avaliar e otimizar sistematicamente parâmetros chave — como a política de picking de encomendas (o fluxo logístico no armazém, por exemplo, alterar de uma política de inventário para um modelo flow-through com preparação) e o dimensionamento das embalagens entregues às lojas (ex: tamanho da caixa) — para cada SKU.
O desafio residia em desenvolver uma metodologia capaz de pesar as complexas implicações de custo tanto a montante (ex: manuseamento no armazém, transporte) como a jusante (ex: reabastecimento nas lojas, colocação nas prateleiras), garantindo que as decisões aumentassem a eficiência global sem simplesmente transferir custos de uma parte da cadeia para outra.
O modelo digital twin foi desenvolvido com metodologias analíticas avançadas, permitindo a criação de diferentes cenários “e se” a serem utilizados por múltiplos stakeholders na estrutura da organização. As oportunidades e o valor a captar tornaram-se rapidamente evidentes, uma vez que diferentes abordagens podiam ser facilmente simuladas e quantificadas.
Uma característica chave da metodologia foi a capacidade de incorporar especificidades relativas a subconjuntos de produtos (ex: produtos de um fornecedor que trabalha apenas com um fluxo logístico, implicando que alterações devem ser simuladas para todos os seus produtos) e características das lojas (ex: formatos diferentes, como lojas de proximidade, que podem não conseguir lidar com caixas maiores, pelo que os incrementos no tamanho das embalagens devem considerar essa capacidade).
A adesão dos stakeholders foi fundamental para o sucesso do projeto, e a implementação foi organizada em sprints, garantindo um rollout suave com base numa lógica “valor em primeiro lugar” — as primeiras unidades de negócio a aceder à ferramenta foram aquelas onde o valor a captar era mais evidente e claro.
Uma análise global das alterações no fluxo logístico nas principais categorias FMCG (alimentares, bebidas, alimentação animal, etc.) revelou poupanças significativas ao transferir cerca de 20% dos produtos de uma política de stock para um modelo flow-through com preparação. As poupanças em espaço e operações no armazém foram mais do que suficientes para compensar o aumento da carga de trabalho e espaço nas lojas, totalizando mais de 8% em poupanças diretas totais na cadeia de abastecimento.
Os produtos frescos e congelados foram o foco principal na primeira iteração de ajustes no dimensionamento das embalagens, com resultados promissores que sugeriram ajustes mistos no aumento/diminuição do tamanho das embalagens e caixas. O principal resultado foi uma redução de aproximadamente 9% nos custos totais da cadeia de abastecimento, evidenciando o significativo potencial de poupança a ser capturado através da otimização do tamanho das embalagens.








.avif)
.avif)




