Quando um plano otimizado é rejeitado pela operação, a primeira suspeita costuma recair sobre o algoritmo. Muitas vezes, o problema está antes dele: o modelo de otimização não representava a operação que deveria otimizar.
Um algoritmo de otimização resolve com precisão o problema que recebeu. Se esse problema deixa de fora uma restrição, atribui mal um custo ou ignora uma regra que só existe na prática, a resposta será ótima para uma operação que não existe.
Para o Diretor de Supply Chain, isso significa planos que ninguém executa. Para quem lidera transformação digital, significa um investimento em tecnologia que perde credibilidade na primeira reunião com a operação.
O que um modelo de otimização realmente contém
Todo modelo de otimização tem quatro partes:
- Objetivo: o que se quer maximizar ou minimizar, como margem, custo total ou nível de serviço.
- Decisões: o que o modelo pode escolher, como quanto produzir, onde estocar ou o que carregar.
- Restrições: o que não pode ser violado, como capacidade, validade, frota e contratos.
- Parâmetros: os números que descrevem a operação, como custos, tempos, rendimentos e demanda.
O algoritmo, também chamado de solver, procura a melhor combinação de decisões dentro do que foi descrito. “Ótimo” é sempre relativo a essa descrição. Um solver mais rápido encontra a resposta em menos tempo, mas não enxerga o que não foi escrito.
Por isso a pergunta “qual algoritmo vocês usam?” diz menos sobre a qualidade de uma solução do que a pergunta “como vocês sabem que o modelo representa a minha operação?”.
Três falhas comuns de modelagem
1. A restrição esquecida
Uma linha de envase tem capacidade para 400 mil unidades por semana. O modelo distribui a produção de 12 produtos nessa linha usando a capacidade total. O que ficou de fora: cada troca de produto exige limpeza e ajuste, e leva horas.
O plano parece viável no papel e é inviável no chão de fábrica. O planejador corrige manualmente, agrupando produtos e cortando trocas. As correções consomem parte do ganho que a otimização prometia, e ninguém mede quanto. Já falamos sobre esse ajuste manual, e sobre o custo de forçar um cenário inviável, em outro artigo do blog.
2. O custo mal atribuído
O modelo trata o frete como um custo fixo por tonelada. O contrato real tem frete mínimo por viagem. Resultado: o modelo enxerga cargas pequenas para destinos distantes como baratas, porque calcula o custo proporcional ao peso, e recomenda entregas fracionadas que, na fatura, custam bem mais.
Nesse caso o plano é executável. O problema é mais sutil: a decisão parece econômica no modelo e não é na prática. O erro só aparece semanas depois, no relatório de custo logístico.
3. A regra informal não capturada
Ulisses Assis, CEO da Linear, contou no podcast O Executivo um caso de planejamento de compra de leite para uma grande indústria de laticínios. A decisão envolvia quanto comprar, quanto desnatar e quanto transformar em leite em pó, com preços que variam ao longo do ano.
Havia uma regra que não estava em nenhum sistema: o creme que sobra do desnate dura muito pouco e precisa ser processado no mesmo dia. Se a fábrica não tem capacidade, o creme só pode seguir para uma unidade próxima, ou azeda no caminho. Sem essa regra, o modelo poderia recomendar desnatar onde fosse mais barato, sem considerar o destino do creme.
Regras desse tipo são comuns. Clientes que só recebem em determinados horários, produtos que não podem viajar juntos, turnos definidos em acordo coletivo, um fornecedor preferido por razões que não estão no contrato. Elas vivem na cabeça de quem opera, em planilhas paralelas e em e-mails. Raramente estão no ERP.
| Falha | O que o modelo recomenda | O que acontece na operação | Quando o erro aparece |
|---|---|---|---|
| Restrição esquecida | Plano que usa capacidade que não existe | Plano inviável, corrigido à mão | Na hora de executar |
| Custo mal atribuído | Alternativa que parece mais barata | Custo real maior que o previsto | Semanas depois, no resultado |
| Regra informal não capturada | Plano que viola uma regra da prática | Perda, retrabalho ou rejeição do plano | Na primeira conversa com a operação |
Nem toda objeção da operação está certa
Fidelidade à operação não significa copiar a prática atual. Quando o resultado do modelo surpreende quem opera, há duas possibilidades: ou o modelo está errado, ou a operação tem um custo que ninguém via.
O creme que azeda é uma restrição física. “Sempre carregamos assim” pode ser apenas um hábito. O trabalho de modelagem é separar uma coisa da outra: incorporar o que é restrição real e questionar o que é costume. As duas conversas geram valor.
Como saber se o modelo conhece a operação
Cinco práticas ajudam a validar um modelo de otimização antes de confiar nas suas recomendações:
- Reproduzir o passado antes de otimizar o futuro. Rodar o modelo com as decisões que de fato foram tomadas em um período e comparar custos, volumes e níveis de serviço com o realizado. Se o modelo não reproduz a realidade conhecida, o “ótimo” dele não merece confiança.
- Mostrar o resultado a quem opera e perguntar por que não funcionaria. Cada objeção é uma restrição que falta, um custo mal medido ou uma oportunidade que a operação não enxergava.
- Perguntar o porquê das práticas atuais. Toda regra “que sempre foi assim” esconde uma restrição ou um hábito. Vale saber qual dos dois.
- Testar cenários extremos. Fechar uma fábrica, dobrar a demanda de uma região, retirar um veículo da frota. Se a resposta do modelo não faz sentido para quem conhece a operação, falta alguma coisa nele.
- Manter o modelo vivo. A operação muda: nova linha, novo contrato de frete, novo CD. Um modelo fiel em 2025 pode não ser em 2027.
Para quem lidera transformação digital
Projetos de otimização costumam reservar orçamento e prazo para integração de dados. Faz sentido: o modelo precisa de dados confiáveis. Mas integrar o ERP não traz as regras que nunca entraram nele.
Capturar a operação é um trabalho à parte, feito em conversa com planejadores, supervisores e equipes de chão de fábrica. Quando esse trabalho fica fora do escopo, o projeto entrega um modelo tecnicamente correto que a operação não adota. Para o board, o resultado é indistinguível de uma tecnologia que não funciona.
Como a Linear aborda o problema
Na Linear, um modelo de otimização começa pela operação, não pelo algoritmo. O trabalho envolve entender o processo com quem opera, transformar regras de capacidade, validade, frota e contratos em restrições e validar o resultado com os planejadores antes de usar o modelo para decidir.
Essa lógica vale para o planejamento integrado com o Otimix, da rede ao plano de produção, e para o dia a dia da distribuição com o iDRP. A decisão continua com as pessoas responsáveis por ela, agora apoiadas por um modelo que conhece a operação.
Fale com a Linear
Quer saber se os modelos de planejamento da sua empresa representam a operação real? Converse com um especialista da Linear.
Os exemplos da linha de envase e do frete mínimo são ilustrativos. O caso de laticínios foi relatado por Ulisses Assis no podcast O Executivo e está apresentado sem identificação do cliente.
