Bom dia a todos.
Obrigada por
estarem conosco hoje.
Meu nome é Laura van Dijken, 
da equipe de Marketing da AIMMS.
Serei a mestre de
cerimônias do webinário.
Gostaria de dar-lhes as boas-vindas 
à transmissão de hoje, sobre o
novo paradigma de planejamento 
da indústria alimentícia.
É um prazer chamar nossos apresentadores:
Gertjan de Lange e Luis Pinto.
Gertjan tem trabalhado com 
empresas líderes, parceiros e
universidades ao redor do mundo. 
Ele também trabalha com
organizações de pesquisa, 
como a Gartner, e com nossas
equipes internas de vendas, 
atendimento e desenvolvimento.
Ele tem mais de duas décadas de 
experiência em análise avançada de dados.
Luis é um parceiro da UniSoma.
Ele trabalha com AIMMS 
já há muitos anos.
Ele é especializado em 
desenvolvimento e implantação
de soluções de apoio à decisão. 
Ele ajudou muitas empresas da
indústria de alimentos e bebidas 
a utilizar a análise de dados
para transformar suas operações. 
Ele é mestre em Matemática Aplicada
e tem mais de oito anos de 
experiência em análise avançada.
Hoje abordaremos alguns dos desafios 
comuns da indústria alimentícia.
Falaremos da complexidade da cadeia, 
da produção ao consumidor.
Traremos pontos nevrálgicos e 
oportunidades de melhoria a partir
do apoio à decisão e 
da análise de dados.
Compartilharemos exemplos
reais, ao longo da conversa.
Embora estejamos focados na 
indústria alimentícia, lembrem-se de que
os conceitos básicos são 
relevantes para todas as indústrias
e áreas multifuncionais. Luis e Gertjan 
falarão mais disso durante o webinário.
Dito isso, eu gostaria de passar 
a palavra para Gertjan.
Obrigado pela apresentação, Laura.
Estou animado por estar aqui 
hoje e aprender mais sobre o que
a UniSoma conseguiu fazer, de maneira 
notável e em longo prazo, ao usar AIMMS
com os clientes. É claro, agradeço 
aos espectadores e espero que vocês
se inspirem com o webinário de hoje. 
Porém, antes de nos aprofundarmos,
gostaria de tomar um tempo para mostrar 
alguns destaques de AIMMS, para quem
não conhece muito bem o que fazemos.
Em resumo, AIMMS entrega valor de negócio
aos clientes e queremos fazê-lo em 
todas as áreas da organização.
Fazemos isso oferecendo 
tecnologia, um software,
pessoas incríveis e um ecossistema
de parceiros, tais como a UniSoma.
Nosso alvo específico é a 
análise prescritiva, como chamamos.
Ou, para quem não tem tanta 
familiaridade com os termos
usados pela Gartner, focamos em permitir
otimização com a oferta de uma
plataforma de modelos fácil de usar.
Ela tem se mostrado positivamente
disruptiva para nossos clientes, pois
permite a eles tomarem decisões
da maneira que queiram,
com um propósito, algo que
não conseguiam fazer antes.
Isso inclui a habilidade de
total alinhamento com os 
objetivos do negócio.
Quando usam AIMMS, nossos clientes
conseguem benefícios incríveis,
seja em valor monetário, serviços ou
satisfação do cliente.
Destacaremos alguns deles.
Orgulhamo-nos de conseguirmos nos 
alinhar com o negócio para que se
consigam benefícios já no 
primeiro mês, e que sejam escaláveis,
sem barreiras, para levar a empresa
a um novo patamar de maturidade analítica.
Para dar um gostinho dos
benefícios que geramos aos clientes,
o ROI é muito rápido, entre
um e quatro meses.
Vimos clientes desenvolverem 
modelos em poucos dias, não meses.
Isso permitiu-lhes, ao usarem 
nossa plataforma,
empoderar os usuários
rapidamente para que pudessem
usufruir de cara
dos novos insights.
Geralmente, os benefícios
de monitoramento são diversos.
Aumento na inovação
e na diferenciação.
É tão fácil desenvolver um app para
obter resultados e calcular cenários.
Vemos que isso aumenta 
a inovação nos negócios.
De repente, surge um
novo jeito de pensar.
Há tempo para a
criatividade e a exploração,
onde antes apenas se assegurava que
as decisões fossem tomadas a tempo,
num movimento de apagar incêndios.
Agora, é realmente possível criar modelos,
gerar ações e entender o 
impacto antes de tomá-las.
Isso, de novo,
aumenta a diferenciação.
Agilidade e velocidade
sem precedentes.
A beleza dos apps é que eles 
podem ser ajustados continuamente
e reorientados em segundos.
Todos os apps foram desenvolvidos
para garantir resultados rápidos.
Se você oferece uma plataforma central,
a organização inteira
tira proveito das melhorias.
Sem detalhar as citações apresentadas
aqui, vocês podem vê-las on-line,
o retorno mais importante que
temos recebido é que definimos
um novo padrão para que as 
empresas possam tomar suas decisões.
Como mencionado, AIMMS pode ser
usado em qualquer área da organização.
Pode ser utilizado no 
planejamento operacional da
cadeia produtiva, por exemplo, 
ou num nível estratégico de rede.
As equipes podem definir estratégias
e otimizar a gestão do inventário ou
dos fornecedores para garantir 
alinhamento com a previsão de vendas.
Dificilmente há uma área à qual AIMMS
não se aplique, como a imagem mostra.
Cada equipe demanda suporte
para decisões diferentes e, claro,
para gerar benefícios próprios,
mas, como as habilidades são as mesmas,
e como o conhecimento do negócio
geralmente está disponível na organização,
é fácil abranger um novo setor
da empresa e alavancar o que já se tem.
É claro, os benefícios que os 
clientes mais buscam são
margem mais alta, custos mais
baixos, disponibilidade ou aumento
no nível do serviço. Recentemente, 
temos visto, e esse é um
ótimo indicador, mais e mais
companhias usando AIMMS
não para reduzir custos, enfim,
otimização como uma
ferramenta de eficiência.
Elas se voltam para aumento
de receita ou de mercado.
É o negócio definido pelo aumento
do valor de mercado, não somente
pela redução dos custos ou pelo
aumento da margem. Além disso, isso
gera dinheiro para mais investimentos,
o que leva à inovação.
Neste webinário sobre
cadeia produtiva, vamos enfatizar
os dois últimos aspectos,
com soluções focadas em
planejamento e produção.
Convidamos Luis, da UniSoma,
a apresentar essa parte.
Tive a honra de trabalhar
com a UniSoma por mais de 15 anos.
Fico encantado com o nível de
profissionalismo, dedicação e
impacto que eles criam para os
seus e para nossos clientes,
as companhias que eles atendem e
os benefícios que eles ajudam a criar,
utilizando uma lista impressionante de
mecanismos sobre os
quais Luis falará.
Orgulhamo-nos de sermos
parceiros da UniSoma.
Dito isso, passo a 
palavra a Luis.
Muito obrigado, Gertjan
e Laura, pela apresentação.
Antes de tudo, obrigado aos
que acompanham o webinário de hoje.
Espero que, ao longo do webinário,
eu consiga apresentar as experiências
pelas quais a UniSoma passou
nos últimos 30 anos de operação.
Também espero que eu consiga
mostrar como o business analytics
impactou alguns de nossos clientes.
Gostaria de começar
com uma introdução ao assunto.
Temos clientes do setor alimentício
com desafios muito específicos.
Achei que seria 
interessante mostrar alguns deles.
No lado esquerdo, vocês conseguem
ver alguns dos desafios típicos
que ouvimos de nossos
clientes do setor alimentício.
Eles variam bastante,
em suas especificidades.
Porém, penso que o último item 
da lista é um aspecto chave
para todos eles: a complexidade desses
negócios se tornou tão difícil de
representar num sistema de 
planejamento que eles precisavam
dar um passo adiante.
Planilhas simplesmente
não dão conta da complexidade
e dos diferentes aspectos do negócio.
Acaba-se não tendo um plano prático.
Quando se faz isso, perde-se dinheiro,
pois não há como prever ou antever.
Trata-se apenas de remediar
os caminhos que se toma.
Dito isso, há várias áreas
diferentes no ramo de alimentos.
Hoje, quero destacar uma
área específica, que penso ter
uma cadeia interessante e complexa, 
que pode ser exemplificada de
várias formas, no
business analytics.
Então, vou me aprofundar no 
ramo da carne de frango.
Por favor, lembrem-se:
embora eu trate desse setor,
conforme avançarmos, vocês verão
que há partes dessa indústria que
terão relação com os seus próprios
empreendimentos, de diferentes formas.
Escolhei adentrar nesse ramo
específico simplesmente porque
é uma cadeia complexa. Há muitos
desafios diferentes para solucionar
os problemas que
a companhia enfrenta.
Como vocês podem ver 
neste modelo representativo,
há uma cadeia muito grande.
Para levar um frango da fazenda
até o supermercado, há
muitos passos intermediários.
Cada um é um processo complexo
que precisa ser aprimorado.
Além disso, aqui
lidamos com animais.
Estamos trabalhando com uma 
matéria-prima muito dinâmica, complexa
e cheia de variáveis. Há muitos
desafios ao se prever o
desempenho de um frango, considerando
crescimento e outros aspectos do negócio.
Isso aumenta a dificuldade de
se elaborar um bom plano, que
produza os melhores
resultados possíveis.
Esta é apenas uma visão geral.
Eu gostaria de detalhar
cada parte desse negócio, pois,
assim, posso explicar como o
business analytics impactou
cada um desses processos.
Ao falarmos de processamento
primário e adicional,
do que se trata?
Bem, trata-se de
produzir o produto final.
Essas plantas usarão a matéria-prima
disponível e gerarão o
produto final do negócio.
Uma planta primária é focada
basicamente em produtos frescos
ou processados, mas em porções.
Já a planta de processamento adicional
foca-se em produtos com valor agregado.
Em outras palavras, são os nuggets
e todos os outros alimentos que
demandam um processamento
mais específico ou complexo.
No fim das contas,
em ambas as plantas,
a principal decisão a ser feita 
é definir o plano de produção,
ou o cronograma, dependendo do
horizonte que se aviste.
É definir quanto se produzirá no dia
e como os clientes serão servidos.
Menciono como os clientes
serão servidos porque as empresas
dessa indústria geralmente têm
mais de uma planta de processamento,
dependendo do tamanho.
Decidir se uma planta ou outra
fornecerá para determinado cliente
pode ter um grande impacto no desempenho,
simplesmente porque plantas
diferentes têm diferentes capacidades,
têm diferentes certificações, têm
inclusive diferentes rendimentos
no processo de produção.
Ou seja, uma pode usar corte manual
e, outra, corte automático.
O rendimento do produto, então,
será diferente, pois o processo
aplicado será diferente.
Isso afeta drasticamente o
desempenho de uma companhia.
Assim, poder decidir esse aspecto
também é importante para essas empresas.
Bem, outros desafios que
essas empresas enfrentam.
O processamento adicional
é uma questão de fórmulas.
Trata-se de uma matéria-prima
muito variável, em termos
de disponibilidade
e de qualidade.
A matéria-prima disponível
é a carne de frango, os temperos
e outros ingredientes. Definir em quais
produtos eles serão usados é o desafio.
Às vezes, disputa-se a mesma
matéria-prima para diferentes
tipos de produtos finais.
Definir qual terá o resultado
mais proveitoso é o desafio.
Mesmo uma fórmula
flexível é um desafio.
Alguns produtos podem ser
fabricados com diversas fórmulas.
Definir qual será mais
proveitosa como um todo,
não apenas ao se observar
o produto em específico,
é um grande desafio.
Ao falarmos do processamento primário,
eu diria que o maior desafio
é que se trata do contrário
da manufatura tradicional.
É o oposto de, digamos,
fabricar um carro,
em que se têm diferentes partes que,
quando juntas, formam um automóvel.
Selecionam-se peças diferentes
e monta-se um carro.
Aqui, ao falarmos do
processamento primário,
estamos falando de um frango.
Se você precisar de uma coxa,
corta o frango para obter a coxa.
Mas é preciso lembrar que também
há a sobrecoxa, o peito e as asas.
Então, é o oposto. É despedaçar em
porções para obter o produto final.
As especificações com que o
negócio lida também geram desafios,
pois alguns produtos demandam
um tratamento específico.
Por exemplo, você é fornecedor
de uma rede alimentícia e eles
solicitam coxas de,
digamos, 50 gramas.
Se você tem um bando pesado,
com aves de 3kg,
elas não produzirão
coxas do tamanho certo.
Não dá para fazer o produto.
Agora, se você também
tem aves menores, você consegue.
Equilibrar o uso da matéria-prima
para suprir a demanda é crucial.
O próximo desafio é justamente
a demanda desproporcional.
Se há uma demanda muito
grande por coxas, por exemplo,
ainda haverá as 
sobrecoxas que vêm junto.
O que fazer com elas?
Poder selecionar a melhor 
alternativa é muito importante,
ou mesmo conseguir dizer
à equipe comercial que simplesmente
não é possível oferecer o produto.
Ou o contrário: dizer que haverá
um excedente e será necessário
lidar com isso e definir
o que fazer com essas sobras.
Pensando nesses dois processos,
há negócios similares e diferentes.
No ramo da soja ou do leite,
há muitos subprodutos que
também podem 
ser usados no processo.
Esses subprodutos têm 
seus próprios processos.
Há desafios semelhantes aos
da indústria avícola.
Empreendimentos com fórmulas flexíveis
também apresentam desafios semelhantes.
Enfim, essa é uma visão geral
dos processos primário e adicional.
Mas como melhorar
a tomada de decisão?
Como o business analytics
tem impacto nesse desafio?
Para explicar de
forma prática,
pensei em trazer um
de nossos clientes: Aurora.
É uma companhia brasileira
de suínos e aves.
A configuração deles é diferente
do que eu mostrei no slide anterior,
pois eles também processam suínos.
Eles têm processamento adicional e
trabalham com frango e com suínos.
Ambos abastecem o
processamento adicional.
O processamento adicional é uma
espécie de cliente das plantas primárias
e todas elas têm de
fornecer a matéria-prima exigida.
Como lidamos com esse problema?
Como pensamos em ajudá-los?
Definimos modelos para tratar cada
um desses negócios de uma maneira única,
pois eles tinham
características únicas,
fossem o processo
e suas fórmulas,
fosse o processo primário
ou o processo de corte.
Desenvolvemos modelos individuais.
Eu os resumi em matéria-prima,
processo e distribuição, mas,
basicamente, estou dizendo que os
modelos devem tratar o que
entra na planta, a matéria-prima
disponível e sua variabilidade,
o processo aplicado, qualquer
que seja, e a distribuição.
Falo do tipo de cliente
ao qual fornecerei,
se o produto irá
para estoque etc.
Ou seja, um modelo detalhado para
definir as diversas partes.
Porém, qual é o real diferencial
dessa solução de análise
em relação a uma
planilha de Excel?
Eu diria que um dos pontos chave
é a representação total do
processo de corte, ou do
processo de multiformulação.
Poder observar esses processos
e não simplesmente dizer que
um frango tem coxas,
sobrecoxas, peito e asas.
Em vez disso, dizer que,
se um frango entra na planta,
pode-se aplicar um processo
para obter meio frango,
outro processo para produzir uma
perna inteira e assim por diante.
Observar cada processo
individualmente faz diferença,
pois, às vezes, há alternativas
durante o processo de corte
que resultam em diferentes
produtos finais e causam
um impacto no desempenho final.
Observar nesse nível de detalhamento
causa um impacto significativo.
O auxílio das estatísticas para
definir esses produtos individualmente
muda completamente o desempenho,
pois se pode selecionar e ver
qual é o caminho correto
da ave até o produto final.
O segundo ponto importante é observar
pesos individuais, e não uma média.
Os clientes do ramo do frango
geralmente dizem que a planta
opera com uma ave
de 2kg, ou de 3kg etc.
Porém, sendo animais vivos,
é impossível que todos os
frangos do bando tenham o
peso exato que se espera.
Mesmo que haja um peso médio,
o mais próximo possível do desejado,
ainda há variações
para cima ou para baixo.
Ainda haverá as aves que
fugirão ao peso ideal.
Assim, é preciso tratá-las
num nível individual.
Caso contrário, pode-se pensar que
há aves o suficiente, mas errar
bastante a margem e não conseguir
suprir uma demanda específica.
Observar essa questão individualmente
também é muito importante.
O trade-off, basicamente, é a
união desses dois aspectos.
Observar a representação do processo e os
pesos individuais leva aos trade-offs.
Se há uma ave que
chega pesando 2,5kg,
e há diferentes cortes, pondera-se
qual processo deverá ser feito.
Poder selecionar de forma
detalhada causa um impacto grande.
No fim das contas, quais são
os principais pontos?
Poder representar um processo,
observar detalhes e chegar à
tomada de decisão correta.
Pode-se relacionar isso a
outras manufaturas, pois
isto é o principal:
observar a integração das
capacidades e dos processos.
Talvez haja diferença
nos processos, mas, novamente,
trata-se de tomar
decisões de forma integrada.
Continuando, na verdade
voltando um pouco na cadeia,
conseguimos ver outro processo
envolvido no ramo do frango.
É o processamento dos bandos.
Como eu disse, ao entrar
na planta primária,
precisamos de um tipo específico
de ave: de 2kg, 3kg, que seja.
A seleção dos bandos que serão
processados é a chave desse processo.
Geralmente, um negócio integrado
tem muitos bandos à disposição
para selecionar e processar
diariamente, e para escolher
onde processá-los. Às vezes, as
plantas de processamento ficam próximas,
então pode-se enviá-los
de uma para a outra.
Porém, a chave não é selecionar
o bando ideal do dia.
É poder selecionar o bando
ideal em longo prazo.
Obviamente, se a opção for pelos
frangos que hoje têm 2kg, amanhã
todos eles terão 2,1kg.
E vice-versa: se o bando
já estiver acima do peso desejado, com
2,5kg, e as aves não forem processadas,
amanhã teremos que lidar com
aves ainda maiores, de 6kg.
A dinâmica é
observar o longo prazo.
É aí que surge o desafio,
pois haverá crescimento contínuo
dos frangos e a escolha
deverá ser feita de acordo.
Outro desafio é que estamos
falando de animais vivos e com
um comportamento dinâmico.
Eles crescem constantemente,
às vezes com variações.
Algo que vemos em algumas
dessas empresas é o uso de uma
abordagem mais simples e genérica
em relação à curva de crescimento.
Embora seja um trabalho mais
intuitivo, nem sempre é o
melhor jeito de
selecionar as aves.
No próximo slide, que fala de
como melhorar decisões, vemos que
observar o desempenho individual
é um fator chave, em business analytics.
O processamento de aves...
De novo, falando de
um exemplo prático.
Implementamos esta solução
na Sadia, agora BRFoods.
Quando começamos o
projeto, ainda era Sadia.
Implementamos este modelo
que usa duas técnicas,
duas tecnologias para
business analytics.
Uma são os modelos estatísticos
que se aprofundam em detalhes e
podem prever com precisão o
peso e o desempenho dos frangos.
Junto a isso, há um modelo de apoio
à decisão que seleciona os bandos.
Um exemplo específico da Sadia
é que eles selecionavam
as aves de
forma intuitiva.
Ou seja, se fossem frangos machos,
eles escolhiam os de maior peso.
Se fossem fêmeas, escolhiam as aves
menores e as processavam antes.
Embora seja uma maneira
razoável de selecionar as aves,
ainda não levam em
consideração muitas variáveis.
Quando fomos lá e observamos
as curvas de desempenho,
aprofundamo-nos nos detalhes.
Agora observamos as curvas
de desempenho por fazenda.
A fazenda pode influenciar
muito a maneira como o bando cresce.
Esse é um fator mais importante que
o sexo das aves, por si só.
Agora a seleção é com base
nas necessidades totais.
Poder observar 30 ou
60 dias adiante,
com uma previsão de crescimento,
traz mais equilíbrio ao processo.
Isso foi o que
fizemos para a Sadia.
Mas eu também gostaria
de acrescentar algo interessante.
Quando visitamos a Sadia
para resolver essa questão,
pegamos emprestada uma
solução que encontramos
para a indústria de
celulose e papel.
Antes de trabalharmos
com a Sadia, trabalhamos
com uma empresa de
celulose, aqui no Brasil.
Eles têm muita terra e muitas
florestas à disposição.
A grande questão era saber qual
floresta selecionar a cada ano.
De certa forma, é parecido com
o que se faz com os frangos.
Observam-se os bandos e escolhem-se
quais serão usados hoje e amanhã.
Para o ramo do papel, embora o
horizonte seja de 20 anos à frente,
ainda é bem parecido.
O modelo que utilizamos para a
empresa de celulose foi o
mesmo utilizado na Sadia.
Acho que foi um
case bem interessante.
Pegamos emprestada a
experiência com outros negócios
e a levamos a um
de nossos clientes.
Isso gerou um resultado interessante na
mudança de paradigma dos processamentos.
Para mostrar de uma
forma mais ilustrativa,
aqui há um diagrama
que explica o que fizemos.
Se vocês observarem
essa seção do meio,
estamos falando sobre
o presente, sobre hoje.
Se você, a partir de hoje,
quer ver o que acontecerá
nos próximos 30 dias, deve
observar todos os bandos que
estão disponíveis atualmente.
Eles provavelmente foram
incluídos uns dias atrás.
Tenho que selecionar se
processarei o bando no
dia 1, no dia 2 etc.
Se eu escolher o dia 1,
obviamente o bando não estará
disponível no dia 2, mas há outros
bandos que continuam crescendo lá.
No fim, tem-se essa distribuição
de pesos, que é uma composição
dos diferentes bandos que
selecionei para o processamento.
O que se quer fazer é manter
a distribuição o mais perto possível
do que a planta realmente
precisa, em termos de peso.
Esse exemplo à direita mostra
os pesos ideais, nas linhas tracejadas,
e o que realmente foi
selecionado pelo sistema.
Não apenas tentamos chegar
o mais perto possível da
distribuição ideal de peso,
mas também ganhamos
previsibilidade do
que acontecerá.
Nunca será perfeito
nem 100% preciso,
mas chegará mais perto do desejado
e também poderá antever cenários.
Se as aves de hoje estão
mais pesadas, dá para adaptar
os processos, os cortes e
inclusive os produtos que
serão vendidos no dia.
É possível antever isso em vez de
reagir a uma condição inesperada.
Esse é o ponto crucial mostrado
aqui nesta representação.
Bem, esta parte
também é interessante.
Se voltarmos à cadeia, como se chega
aos frangos que serão processados?
Estamos falando de um planejamento
integrado complexo, pois, para se
chegar ao aviário e ter o frango
pronto para o processamento,
muita coisa acontece antes.
Começamos com os criadouros,
os bandos que apenas produzem ovos.
Depois, temos a incubadora, onde deixamos
os ovos para que virem frangos.
Enfim, os frangos vão ao aviário e haverá
aves prontas para o processamento.
Há decisões realmente
interconectadas, aqui.
Se você tem uma fazenda de criação
e acrescenta mais uma, terá mais ovos,
o que afeta a incubadora, o
aviário e assim por diante.
O grande desafio é que esses
ciclos não são alinhados.
Os bandos de criação levam
cerca de 64 semanas, talvez mais,
talvez menos, é a média.
A incubação leva 21 dias.
Ao se incubar um ovo, levam-se
21 dias para se ter um frango.
Pode-se estender um pouco,
pois os ovos podem ser estocados
por sete ou até dez dias.
O desempenho começa a cair, mas,
de novo, gerencia-se o estoque para
que haja a quantidade correta
de frangos ao fim dos 21 dias.
Os aviários trabalham entre
35 e 60 dias, às vezes mais.
Depende do peso desejado.
Vocês podem ver que
os ciclos não batem.
Então, equilibrar isso
tudo é o desafio.
Provavelmente haverá
excedente ou escassez.
Se faltarem ovos, deve-se
buscá-los no mercado.
Eles serão comprados
por outro preço.
Se houver um excedente
de ovos, eles provavelmente
serão vendidos a uma
taxa não muito boa.
Não é lucrativo, se você não
pertence àquele ramo específico.
Ou seja, é preciso alinhamento.
E como melhorar
a tomada de decisão?
Como a análise de
negócios lida com isso?
Nosso cliente sul-africano Astral
Foods também é uma companhia avícola.
O que elaboramos para eles
foi uma ferramenta de
apoio à decisão que pudesse
integrar as decisões.
Não apenas integrar as decisões,
mas obter o detalhamento correto
e uma visão correta do negócio.
Porque, falando de criação de aves, não
faz muito sentido falar do cotidiano.
Deve-se trabalhar em
outro nível, em outra escala.
Estamos falando de pelo menos
um ano de planejamento.
Quanto aos aviários, precisamos
lidar com de decisões diárias.
Poder representar esses dados
num nível correto é o grande desafio,
assim como ter bons modelos
estatísticos para incluir os
resultados previstos. Trabalhamos para
ter uma previsão melhor da escassez e
do excedente a partir desse
desempenho mais detalhado.
Porém, acho que outro feito
importante que atingimos foi
permitir a tomada de
decisão de duas maneiras.
A primeira é o processo
guiado pela demanda.
Estamos falando de uma planta
de processamento que requer um
tipo específico de ave, que
tenha um peso específico.
Isso condiciona as
decisões ao longo da cadeia.
Observam-se os aviários e
tenta-se processar os frangos
que tenham a idade certa etc.
Mas não dá para ser assim o tempo todo.
É aí que entra o planejamento
guiado por previsões.
Mesmo que a tomada de decisão
seja guiada pela demanda,
haverá previsões
para o planejamento.
Sabe-se o que, de
fato, acontecerá.
Ainda que se queira trabalhar de
uma forma, o resultado será diferente.
Isso ajuda a precaver-se.
Se houver excedente de quantidade
ou de um peso específico,
você estará preparado, em vez de
apenas reagir ao cenário.
Trata-se de um processo interconectado
de tomada de decisão bem complicado.
Eu não acredito que uma
planilha consiga representá-lo.
É necessário ter um sistema
que integre as decisões para se
conseguir chegar a esse
nível de detalhamento.
Por fim, acho que outro tópico importante
é o resultado geral da empresa.
Refiro-me não a olhar para um processo
específico e tomar a melhor decisão ali,
mas, sim, a observar a cadeia de
suprimentos inteira para tomar
as melhores decisões. Assim, haverá
equilíbrio ao longo da cadeia.
Acho que isso é muito importante.
Obviamente, é possível relacionar esse
processo de tomada de decisão a negócios
que tenham processos longos ou em
várias etapas e que, às vezes,
têm processos desalinhados. Em
empresas que enfrentam esses desafios,
geralmente um modelo integrado,
que possa conectar essas decisões,
tem um ótimo impacto
e produz bons resultados.
Seguindo para a próxima
parte que quero mostrar.
É a última sobre
a qual falarei.
Embora haja outros desafios,
acho que este é um bom jeito
de finalizar, pois talvez esta seja
a área que se relaciona com muitos
dos empreendimentos, aqui.
A mistura de rações
é um desafio clássico.
Trata-se de decidir como cada
ração será usado em cada etapa.
Os criadouros usam
rações específicas,
os aviários usam
rações diferentes.
Há os ingredientes à disposição
e diferentes fórmulas.
É preciso escolher como
produzir cada ingrediente.
É um desafio grande, que fica ainda
maior e mais importante porque é aí
que se concentram os custos.
Com frango, 60% ou 70% do custo
do produto final pode ser devido à ração.
Ou seja, é um aspecto chave do negócio,
do qual é preciso ter controle.
Observar os ingredientes e projetar
como usá-los é um dos grandes desafios.
De novo, darei um exemplo da Sadia, mas
também fizemos isso em outras empresas.
Então, o que fazer?
Desenvolvemos um modelo integrado.
Essa é a grande diferença.
Em alguns casos, há modelos que
só consideram uma ração de cada vez,
ou um dia de cada vez.
Queríamos elaborar algo que
pudesse não apenas considerar
cada ração, mas fazê-lo
de forma integrada,
e não apenas considerar o próximo
dia, mas os próximos 30 dias.
Isso influencia bastante o uso dos
ingredientes e a flutuação de custos.
Quando se prevê a flutuação de
custos dos ingredientes, é possível
antecipar a aquisição e garantir que
haja os ingredientes certos à disposição.
Houve um grande impacto, nesse quesito.
Esse é um problema típico.
É algo que acontece
com diferentes indústrias.
Por exemplo, a produção de
laranjas é outra que utiliza
bastantes processos de mistura.
Isso se aplica ao produto final.
Quando se fala em produzi-lo,
seleciona-se o suco de laranja
à disposição para misturá-lo
e obter o produto final.
Também quando falamos
da produção de laranjas,
é necessário misturar o estoque.
Por vezes, o estoque já é uma mistura
de sucos de laranja comprados.
Pensando no longo prazo,
é preciso fazer a mistura certa
no estoque, pois ele será usado
em talvez uma ou duas semanas
e é necessário ter o correto.
São dois problemas interconectados
que envolvem mistura.
É um desafio bem
grande para as empresas.
Também fazemos isso
com modelos integrados.
A carvoaria também usa
bastante esses modelos.
Uma empresa de aço utiliza
carvão na produção.
Selecionar o carvão certo
e fazer a mistura, de novo,
no longo prazo, para haver a qualidade
certa, é um processo fundamental.
Funcionou bem nesses casos, 
para fazer a mistura,
assim como em outras
empresas metalúrgicas.
Acho que muitas pessoas
se identificam com esse problema,
pois é algo bem comum,
quando se fala de mistura.
Eu falei sobre quatro
processos diferentes.
Cada um tem um conjunto diferente
de soluções e uma maneira diferente
de aprimorar o processo
de tomada de decisão.
Mas quais são os
reais benefícios?
Selecionei três exemplos.
Não falarei muito deles aqui.
Acho que eles são bem interessantes.
No lado esquerdo, pensei em 
incluir os resultados diretos.
Para a JBS, implementamos uma solução
baseada no planejamento de produção.
Foi uma otimização integrada,
tática e operacional.
Eles apresentaram os resultados, 
um tempo atrás, e afirmaram que
obtiveram 25% de ganho na 
margem de contribuição.
Foi um impacto enorme, 
muito foi graças aos trade-offs e
ao melhor uso das capacidades.
Porém, penso que um ganho indireto 
que eles citaram bastante foi a
habilidade de planejar rapidamente 
e de reagir às situações.
Eles precisavam de uma equipe 
grande para elaborar um
plano de produção para cada planta, 
mas, num nível agregado, eles
observavam cada produto e levavam 
muito tempo para terminar.
Quando implementamos a solução, 
isso mudou completamente.
Hoje, para elaborar um 
plano de produção para
cada planta que eles têm, 
e falo de mais de 50 plantas
aqui no Brasil, levam-se de duas a três 
horas para o sistema rodar e obter
50 planos de produção 
de maneira integrada.
Estamos falando de uma única 
pessoa encarregada disso.
Mudou radicalmente a 
maneira de trabalhar.
Eles usam muitos 
cenários hipotéticos.
Eles podem prever diversos 
cenários para analisar qual
será a melhor solução, a melhor 
operação para a companhia.
Esse ganho indireto também 
tem um grande impacto.
Quanto à BRFoods, implementamos 
uma solução completa para eles, também.
Sua economia de US$ 50 milhões 
decorre de dois fatores.
Um é o processamento dos frangos: 
selecionar os melhores e processá-los.
Outro é o planejamento de produção.
Foi uma mudança de paradigma no processo.
Penso que a solução da Aurora foi
a mais completa que implementamos,
pois há muitas cadeias diferentes, 
tanto de suínos quanto de aves.
Embora tenha havido 
ganhos financeiros diretos,
pensei em destacar outro, que foi o 
aumento de 36% no atendimento à demanda.
Isso está relacionado ao fato de que eles
conquistaram um planejamento detalhado
e conseguiram fazer o 
uso certo da matéria-prima.
Isso teve um grande impacto
no planejamento versus a realidade.
Agora eles podem prever como
agirão e, de fato, agir.
Foi uma grande mudança, 
essa de poder executar o que
eles estavam fazendo. Foi assim que 
passaram a atender melhor à demanda.
E, é claro, isso impacta as finanças.
Esses foram alguns benefícios. Claro
que há outros. Esses são os cruciais.
Mas como a UniSoma trabalha
com esse tipo de solução?
Por que esses
casos foram exitosos?
Se eu tivesse que resumir num
único motivo, diria apenas: sob medida.
Eu realmente acredito que,
para elaborar esses produtos,
essas soluções de business analytics 
que conseguem obter êxito e entregar
benefícios para a empresa, é preciso
uma abordagem sob medida.
Talvez eu tenha mencionado 
algo que seja um desafio para vocês.
Talvez eu tenha apresentado uma
forma de enfrentar esse desafio,
mas ainda acho que é necessário
observar o empreendimento, em sua
singularidade, para elaborar uma solução
que se adapte plenamente ao negócio.
Isso fará uma grande diferença
no sucesso dessa solução
e nos benefícios obtidos.
Nossos 30 anos de experiência
sempre foram focados nisso,
que é algo fundamental
para o negócio, como um todo.
Por fim, quero dizer que, embora
eu tenha falado bastante da
indústria alimentícia e tenha
trazido exemplos de outros setores,
a UniSoma não está focada
apenas nesse tipo de produção.
Trabalhamos com uma variedade
grande de empreendimentos, e isso
faz a diferença para que consigamos
utilizar essa experiência com
outras empresas e desafiá-las a pensar de
forma diferente da que estão acostumadas,
utilizando outra abordagem
para resolver seus problemas.
Levei o exemplo da indústria
de celulose para a produção animal,
mas isso vai além.
Acho que foi uma experiência
interessante, que será bastante utilizada.
Então, passo a palavra
de volta a Laura.
Obrigada!
Eu gostaria de agradecer a
todos por terem participado.
Esperamos que tenham gostado
das informações apresentadas.
É claro, muito obrigada
aos nossos apresentadores,
Luis e Gertjan, por este
webinário tão informativo.
Se vocês tiverem perguntas
para Luis ou Gertjan, sintam-se
à vontade para entrar em
contato diretamente com eles.
Não tivemos tempo para mostrar
uma demonstração durante o webinário,
mas, se vocês se comunicarem com Luis,
ele apresentará uma com prazer.
Vocês também podem acessar o
site da AIMMS, na seção "Recursos",
para conferir cases como
os da Aurora e da JBS,
que Luis citou
durante a apresentação.
Tenham um bom resto de dia.
Obrigada.
