A equipa de planeamento consegue agora responder rapidamente às flutuações da procura.
Num ambiente exigente de bens de consumo (FMCG), as empresas procuram oferecer uma vasta gama de produtos, gerindo elevados níveis de stock e mantendo um processo produtivo eficiente. O nosso cliente enfrentava desafios na criação de um plano de produção que equilibrasse os custos de produção (ex.: utilidades, recursos) e logística (ex.: armazenagem, manutenção de stock) para mais de 350 produtos, tendo em conta a complexidade do seu processo produtivo.
Utilizando um modelo matemático de otimização avançado, desenvolvemos uma metodologia para criar um plano de produção de 12 semanas que minimiza custos, ao mesmo tempo que oferece flexibilidade para o processo produtivo dinâmico da empresa. Considerando os custos de produção, requisitos de nível de serviço e obsolescência, o cliente pode tomar decisões baseadas em dados para múltiplas fábricas. Adicionalmente, foram redefinidos os níveis ótimos de stock de segurança e as estratégias de produção, com base nos padrões de procura e nos níveis de serviço dos produtos, para melhorar a gestão de inventário.
A metodologia desenvolvida prevê uma redução total de custos de produção e inventário de 4%, bem como uma redução de 2,5 dias (9,5%) na cobertura de stock devido à diminuição dos níveis de inventário de segurança. Além disso, o processo otimizado de planeamento da produção permite à equipa da empresa adaptar-se rapidamente às flutuações da procura e focar-se em atividades de maior valor acrescentado.
Num ambiente cada vez mais exigente, as empresas do setor FMCG (Fast-Moving Consumer Goods) esforçam-se por disponibilizar rapidamente uma vasta gama de produtos aos seus clientes. No entanto, esta pressão obriga as empresas a manter elevados níveis de stock e a garantir um processo produtivo eficiente para acompanhar a procura.
O nosso cliente enfrentava dificuldades em elaborar um plano de produção que conseguisse o equilíbrio ideal entre os custos de produção (ex.: utilidades, recursos humanos) e logística (ex.: armazenagem, manutenção de stock) para cada um dos seus mais de 350 produtos, tendo em conta todas as complexidades inerentes ao seu processo produtivo.
Utilizando um modelo matemático de otimização de última geração, desenvolvemos uma metodologia capaz de sugerir um plano de produção para 12 semanas que minimiza os custos totais, oferecendo a flexibilidade necessária para acomodar o processo produtivo dinâmico da empresa.
Ao considerar custos de produção como mão-de-obra, funcionamento das máquinas e desperdício de matérias-primas, bem como os custos associados ao nível de serviço e à obsolescência, o nosso cliente pode agora tomar decisões baseadas em dados para várias das suas fábricas.
Para otimizar ainda mais a gestão de inventário da empresa, redefinimos também os níveis ótimos de inventário de segurança e a estratégia de produção, de acordo com os padrões de procura e os níveis de serviço exigidos para cada produto.
Com a aplicação desta metodologia, o nosso cliente prevê reduzir os custos totais de produção e inventário em 4%, ao mesmo tempo que diminui a cobertura de stock em 2,5 dias (9,5%) graças à redução global do stock de segurança.
Além disso, ao reduzir significativamente o tempo necessário para desenvolver o plano de produção, a equipa de planeamento da empresa está agora capacitada para responder rapidamente às flutuações da procura, podendo dedicar mais tempo a atividades de maior valor acrescentado no processo de planeamento.
Uma empresa do setor alimentar centralizou os dados mestre, digitalizou e automatizou dados anteriormente introduzidos de forma manual e criou, em seis semanas, uma base reutilizável para a governação de dados.
Transformando previsões em planos executáveis de produção e aprovisionamento
A LTPlabs ajudou um grande fabricante industrial a reduzir o tempo de planeamento da produção de até duas semanas para apenas algumas horas, através da implementação de uma solução de otimização baseada em Programação Linear Inteira Mista (MILP).
Reforçar a resiliência da cadeia de abastecimento através de Machine Learning: melhores níveis de serviço e decisões mais eficazes no retalho alimentar.
A previsão e o planeamento foram aprimorados, conferindo aos gestores a capacidade de antecipar picos de procura.
A automação inteligente reduziu os ciclos de revisão de dias para minutos e melhorou as taxas de entrega no prazo.