COMO A EXISTÊNCIA DE "TIME DELAYS" E "FEEDBACKS"

EM UM PROCESSO DE TOMADA DE DECISÃO IMPEDEM A

OTIMIZAÇÃO DE RESULTADOS.

Reginaldo Santana Figueiredo

Prof. Dr. do Departamento de Engenharia de Produção/UFSCar
CEP:13565-905 - São Carlos - SP E-Mail: santana@power.ufscar.br

Antonio Carlos Zambom

Aluno do Programa de Pós-graduação de Engenharia de Produção/UFSCar
CEP - 13565-905 - São Carlos - SP E-Mail: zambom@power.ufscar.br

In all kinds of human organization where activities are performed by its interdependent
parts in order to achieve a general goal, there are feedbacks and time delays. That
structure produces oscillations and amplifications which create serious problem to the
planning and control of the system. This paper reports an experiment using dynamic
simulation to show how the interaction of individual decisions with the structure of a
supply chain produces results which systematically diverge from optimal behavior.
Key-words: Dynamic simulation, supply chain, optimization

1. INTRODUÇÃO

Estamos acostumados a pensar a empresa como um sistema isolado. Esta

postura intelectual tem moldado por muito tempo a nossa metodologia de pesquisa e de
ensino. A maioria das técnicas de gestão de produção encontradas na literatura
especializada e consagradas nos livros textos, foram desenvolvidas sob esta visão. Por esta
razão, muitas destas técnicas têm se mostrado inócuas para o mundo real, onde a empresa,
de fato, encontra-se inserida num contexto organizacional dinâmico e complexo.
Outro aspecto importante que têm caracterizado o desenvolvimento de
técnicas tradicionais de gestão de produção tem sido a "busca de soluções ótimas" no
sentido estritamente matemático, o que freqüentemente traz como conseqüência uma
simplificação absurda do problema a tal ponto de destituí-lo de qualquer interesse prático.
As exigências do mundo moderno tem solicitado novas habilidades
gerenciais, as quais não podem ser desenvolvidas e nem assessoradas por técnicas
elaboradas sob o pressuposto de que a empresa constitui um sistema isolado e estático. Ao
contrário, a empresa se encontra cada vez mais inserida em uma cadeia complexa
constituída de um número cada vez maior de agentes tomando decisões dentro de processos
interdependentes, envolvendo diversos feedbacks e time delays, os quais geram
conseqüências que só podem ser entendidas dentro de um visão mais abrangente.
O consumo distribuído por uma extensão geográfica cada vez maior em
função da abertura dos mercados e a formação de grandes blocos econômicos torna cada
vez mais difícil o gerenciamento da empresa sem concebe-la como parte de um sistema mais

1
amplo. Na verdade, qualquer empresa pode ser vista como parte de um um processo de
produção e distribuição tão complexo e dinâmico envolvendo complicados fluxos de
informação, de materiais e de capital, que a sua compreensão extrapola qualquer visão
baseada no senso comum do gerente.
Se por um lado os métodos tradicionais têm-se mostrado inócuos tanto no processo
de compreensão como na resolução deste tipo de problema, o aprendizado e conhecimento
dos gerentes baseado na experiência do seu "dia a dia" também deixa a desejar.
A experiência é a fonte original de todo aprendizado e ocupa, em função
disso, um lugar de destaque na agenda intelectual de todo ser humano. De fato, aprendemos
a comer, a andar e a nos comunicarmos por meio de tentativas e erros. Tomamos uma ação,
observamos o seu resultado e, em seguida, levando em conta este resultado, tomamos outra
ação e assim sucessivamente. Para este tipo de aprendizado, o status atribuído à experiência
gerencial é totalmente desprovido de sentido. No entanto, nos defrontamos com
dificuldades muito sérias quando as conseqüências das nossas ações occorem num espaço
de tempo muito distante. Todos nós possuímos um horizonte de aprendizagem limitado, ou
seja, aprendemos de maneira limitada em um espectro espacial e temporal, no qual
avaliamos as conseqüências de nossas ações. Quando as nossas decisões vão além de nosso
horizonte de aprendizagem, torna-se impossível aprender por experiência direta. Como diz
Peter M. Senge na The Fifth Discipline (1990), "aprendemos melhor por experiência, mas
jamais experimentamos diretamente as conseqüências de muitas de nossas mais importantes
decisões. As decisões mais críticas tomadas em diversos tipos de organizações humanas tem
conseqüências que se propagam por todo o sistema e se estendem por anos ou décadas. As
decisões na área de Desenvolvimento do Produto tem conseqüências de primeira ordem na
área de Marketing e de produção. Investimentos em novos equipamentos e processos
influenciam a qualidade por uma década ou mais. A promoção de funcionários para cargos
de liderança influencia a estratégia e o clima organizacional por vários anos. Infelizmente,
em processos de decisões como estes não se tem a oportunidade de aprender por tentativa-
e-erro".
Os sistemas industriais desenvolvem-se de forma cada vez mais complexa e extensa,
de maneira que, mesmo um bom conhecimento de suas partes, mostra-se insuficiente para
proceder a sua gerência de forma eficiente, pois as inter-relações e as interdependências
entre os componentes do sistema são mais importantes que os componentes em si mesmos.
Segundo Ackoff (1979), "os gerentes não são confrontados com problemas que são
independentes entre si, mas com situações dinâmicas que consistem de sistemas complexos
de mudanças que interagem entre si". Em vez de estados "bem comportados", no mundo
real os gerentes se deparam com estados de desordem onde as soluções ótimas de
problemas individuais não podem ser agregadas para se encontrar a solução ótima do todo.
O comportamento do todo dependerá de como as soluções ou decisões das partes distintas
interagem (ROSENHEAD, 1989).
Recentemente, visando superar os problemas metodológicos comentados
acima, modelos de sistemas dinâmicos são criados e desenvolvidos para estudar problemas
complexos e passaram a receber muita atenção na agenda das pesquisas de autores tais
como FORRESTER, J. W., 1992; STERMAN, J. D., 1989, SENGE, P. M, 1990,
MORECROFT, J. D. W., 1992;. MORECROFT, J. D. W.; Van Der HEIJDEN. 1992). A
motivação principal que sustenta esta metodologia reside no fato já monstrado por eles
(STERMAN, 1990), que consiste na possibilidade de desenvolvermos simulações em
laboratório onde pode-se observar as conseqüências de nossas decisões com mais clareza
do que é possível na vida real. Nesse microcosmo simulado, por ser uma réplica de
laboratório, podemos isolar as deficiências e suas causas com mais facilidade do que quando
estamos envolvidos pelas complexidades do mundo real (FREEDMAN, 1992).

2
2. A EMPRESA VISTA COMO UMA ELO DA CADEIA DE SUPRIMENTO

Uma cadeia de suprimento compreende um sistema constituído de agentes

tomadores de decisão incluindo fornecedores de material, produção, serviço de distribuição
e consumidores finais, interligados por meio de um fluxo de informação em uma direção e
um fluxo de materiais e produtos na direção contrária (TOWILL; NAIN; WILKNER,
1992), como mostra a figura 1.
Nesta definição, podemos incluir desde sistemas ou organizações que compreendem
uma cadeia internacional de suprimento até um conjunto de atividades tal como um
processo de fabricação independente que se encontra dentro de uma manufatura. Todos
elementos ou níveis de uma cadeia executam funções importantes, cujos respectivos
desempenhos determinam de forma interdependente a performance do sistema como um
todo. Portanto, estamos diante de uma situação constituída por um conjunto de agentes
tomadores de decisões, onde o resultado, tanto geral, como para cada um em particular,
depende das decisões tomadas por todos. Em outras palavras, estamos diante de uma
situação que pode ser caracterizada como um jogo na forma em que é concebido pela
Teoria dos Jogos (FIGUEIREDO, 1993). Se uma destas funções falha ou é interrompida,
provoca uma desbalanceamento de carga nos outros elos da cadeia diminuindo a
performance de cada um e comprometendo a performance da cadeia de suprimento como
um todo. Em particular a demanda final será mal atendida e muitos consumidores poderão
se dirigir para outra cadeia na esperança de conseguir um melhor atendimento.
Pressupondo uma coordenação centralizada e perfeita por parte de uma
única empresa, que executa todas atividades que compreende desde o fornecimento da
matéria-prima até a entrega do produto final ao consumidor, não existiria instabilidade nem
oscilações neste sistema. De fato, é quase impossível imaginar uma sistema constituindo por
partes interdependentes que funcione sem oscilações e instabilidades. Só mesmo uma
máquina pode ser concebida como tal. .

Fluxo de pedidos

M Sistema de Sistema de Sistema de Sistema de

M
E informação informação informação informação A
R 1 2 3 4 T
C É
A R
D I
O A

F P
I R
N Empresa Empresa Empresa Empresa I
A 1 2 3 4 M
L A
Fluxo de materiais e produtos

Figura 1: fluxo de informação, de materiais e produtos que integram uma cadeia de distribuição

Na verdade, tanto a empresa em si como a cadeia em que está inserida

constituem sistemas dinâmicos que se caracterizam pela existência de feedbacks e time
delays. A simulação cujos resultados apresentamos neste artigo, tem como preocupação
fundamental, mostrar como a existência de feedbacks e time delays podem gerar oscilações
e amplificações indesejáveis para o sistema, dificultando seu controle.

3
3. PROTOCOLO EXPERIMENTAL

Para estudar o fenômeno descrito acima, a experiência cujos resultados

apresentamos a seguir, simula uma cadeia de produção e distribuição de um produto
constituída por uma Fábrica, um Atacadista, um Distribuidor e um Varejista ( Empresa1,
Empresa 2, Empresa 3 e Empresa 4, respectivamente representadas na figura 1). Cada
equipe que constitui uma cadeia de distribuição administra o sistema de forma a minimizar o
custo de estoque da cadeia como um todo e compete com outras equipes sob igual
condição. Cada agente localizado em um determinado elo da cadeia administra a sua
respectiva posição tendo em vistas minimizar o custo do sistema como um todo. No
entanto, a decisão de cada um está submetida a um feedback de reforço que poderá limitar a
eficiência de sua decisão em relação à minimização do custo total do sistema. O "lead time"
de produção é sempre de 2 semanas. Porém, o lead time entre os elos da cadeia, ou seja, o
tempo que o pedido leva para sair de um elo e o recebimento do produto em outro é de 4
semanas. Isto nos permite observar o efeito da variação do time-delay nas oscilações e
flutuações dos resultados e consequentemente seu efeito no processo de tomada de decisão.
O custo de estoque considerado em todas "rodadas", foi de R$ 0,50 por caixa de
produto estocada por uma semana e R$ 1,00 por cada caixa de produto demandada e não
atendida. Os produtos são representados por moedas de um centavo e a demanda do
consumidor final, ou seja, do varejista, por um conjunto de cartas de baralho. Nenhum dos
jogadores conhece a priori, a demanda do consumidor final. Somente o varejista descobre
após a sexta semana que a demanda não é aleatória. No entanto, como os agentes não
podem se comunicar a não ser pela visão geral que todos tem do tabuleiro sobre o qual
jogam, muitos são levados a crer que a dificuldade de controlar e otimizar o sistema advém
de fatores externos ao sistema. A interação das decisões individuais com a estrutura do
sistema simulado produz uma dinâmica agregada que sistematicamente diverge do
comportamento ótimo.
A tarefa de decisão de cada indivíduo é um claro exemplo do problema de
administração de estoque. Os indivíduos devem manter seus estoques tão baixos quanto
possível enquanto evitam deixar de atender pedidos. Pedido tendo em vistas atingir o
estoque desejado são feitos e o tempo que leva para ser atendido (time-delays) é
potencialmente variável (esse tempo de espera nunca dura menos que 4 semanas, mas pode
ser maior se o fornecedor não tiver estoque suficiente para abastecer os pedidos que estão
chegando)
As sessões realizadas envolveram em geral 4 times de quatro jogadores. Os
participantes são dispostos aleatoriamente entre as funções de Fabricante, Atacadista,
Distribuidor e Varejista. O jogo é iniciado em equilíbrio. Cada estoque contém uma
quantidade inicial fixa de caixas do produto (12 caixas) e o consumo inicial é de 4 caixas
por semana. As primeiras 4 semanas de jogo são usadas para familiarizar os indivíduos com
os mecanismos das seqüências de atendimento de pedidos, controle de estoque, etc.
Durante este tempo, a demanda do consumidor final permanece constante e cada jogador é
levado a encomendar 4 caixas mantendo o equilíbrio inicial. Após a quarta "rodada"
permite-se aos jogadores fazerem pedidos de qualquer quantidade que desejarem. Há um
aumento não anunciado na demanda do cliente na quinta semana. Este estímulo na demanda
cria um distúrbio de desequilíbrio para o qual os indivíduos devem reagir desenvolvendo
estratégias para os próximos passos.
A demanda final é mantida constante até o final da simulação. É anunciado
inicialmente que a simulação durará 50 semanas, no entanto, para evitar estratégias
determinadas pelo conhecimento do final do jogo, interrompemos a sempre em torno da
quadragésima semana, quando o sistema em geral já se encontra novamente estabilizado.

4
 O jogo é projetado de modo que cada indivíduo tenha uma boa informação
local, mas informação global é limitada. Cada um mantém apontamento que inclui seu
estoque ou reserva e pedidos colocados com seu fornecedor em cada semana. Entretanto,
os indivíduos são instruídos para não se comunicarem. A demanda do cliente não é
conhecida a priori por nenhum dos indivíduos. Os varejistas são os únicos agentes que
descobrem a demanda do cliente à medida que o jogo prossegue. Os outros, durante todo o
dcorrer da simulação, têm conhecimento apenas da encomenda feita pelo seu cliente
imediato e somente depois do prazo de uma semana. Cada um pode prontamente
inspecionar o tabuleiro para ver quão grande são os estoques de produto nas outras
estações e fazer uso das informações potencialmente úteis.

4. RESULTADOS ENCONTRADOS

A Tabela 1, figura 2 e 3 apresentam os resultados preliminares das

experiências realizadas. Participaram destas simulações: executivos de empresas agro-
industriais, professores e estudantes de engenharia de produção. Na Tabela 1, cada linha
apresenta os resultados de um único time identificado apenas por um número. Nas colunas
estão apresentados os resultados, ou seja, os custos alcançados por cada Varejista,
Distribuidor, Atacadista e Fabricante em sua respectiva equipe. A última coluna apresenta o
custo total alcançado por cada equipe. Na parte inferior do quadro da Tabela 1 temos as
médias de custos obtidos pelos varejistas ($ 418,00), pelos Distribuidores ($ 706,00), pelos
Atacadistas ($ 570,00) e Fabricante ($ 348,00). As linhas a seguir apresentam os valores
ótimos teóricos, ou seja, o benchmark. A última linha apresenta o desvio entre os valores
encontrados pela simulação e o benchmark. A média alcançada pelos varejistas na
simulação DEP/UFSCar é 9,1 vezes o benchmark. É possível observar que o custo total
médio das equipes situa-se próximo a $ 2.000,00. Muito raramente uma equipe atinge um
custo total abaixo de $ 1.000,00. A performance ótima calculada situa-se em torno de
$200,00. Portanto, o custo médio das equipes, tanto na simulação no DEP/UFSCar quanto
no MIT/EUA é 10 vezes maior do que o ótimo.

Varejista Distribuidor Atacadista Fabricante Total

Equipe 1 887,50 2545,00 766,50 547,00 4746,00
Equipe 2 104,00 316,00 538,00 470,50 1428,50
Equipe 3 212,00 322,00 334,00 163,00 1031,00
Equipe 4 1128,00 570,50 992,00 592,00 3282,50
Equipe 5 201,00 308,00 208,00 120,00 837,00
Equipe 6 570,50 892,00 401,00 194,00 2057,50
Equipe 7 469,50 1036,50 933,00 802,50 3241,50
Equipe 8 479,50 894,00 437,00 406,00 2216,50
Equipe 9 201,00 308,00 208,00 120,00 837,00
Equipe 10 317,00 552,00 896,00 264,00 2029,00
Equipe 11 160,50 459,50 517,00 209,50 1346,50
Equipe 12 412,00 601,00 776,50 233,00 2022,50
Equipe 13 297,50 377,00 402,00 396,00 1472,50
Média-DEP 418 706 570 348 2042
Média - MIT 383 635 630 380 2028
Benchmark 46 50 54 54 204
Desvio-MIT 8,3 12,7 11,7 7,0 9,9
Desvio-DEP 9,1 14,1 10,6 6,4 10,0
Tabela 1: Comparação entre custos de otimizados e custos experimentais

5
 Na figura 2 e 3, em cada bloco de 4 gráficos, estão apresentados os desempenhos
dos Fabricantes, Atacadistas, Distribuidores e Varejistas. O primeiro bloco, figura 2,
apresenta o comportamento padrão do processo de se fazer pedidos e o segundo bloco,
figura 3, o comportamento padrão dos estoques adicionados à quantidade de pedidos não
atendidos. Neste gráficos podemos observar o processo de oscilação e amplificação da
demanda interna da cadeia enquanto a demanda do consumidor final se mantém constante.

Varejista Distribuidor

Atacadista Fábrica

Semanas Semanas

Figura 2: Estrutura do comportamento típico dos pedidos

Varejista Distribuidor

Atacadista Fábrica

Semanas Semanas

Figura 3: Estrutura do comportamento do Estoque e Pedidos não atendidos

6
5. ANÁLISES E CONCLUSÕES.

No mundo real, muitas pessoas não se dão conta do impacto de suas

próprias ações. Na experiência que realizamos, os participantes em geral, também não
percebem o impacto de suas decisões sobre as de seus colegas de equipe. Em particular,
não percebem os vários ciclos de realimentação de informações (fedbacks), tempos de
espera e as circularidades lógicas do processo de tomada de decisão em que estão
envolvidos. Observando os gráficos dos comportamentos dos agentes (figura 2 e 3), nota-se
que quando os pedidos dos consumidores inesperadamente aumentam, os estoques dos
varejistas caem. Isto ocorre porque os pedidos anteriores não previam este aumento na
demanda o que implica, dado o time delay de no mínimo 4 semanas, em entregas continuas
por várias semanas à taxas mais baixas que a taxa de perda do estoque. Em seguida, face ao
backlog crescente, os agentes devem fazer pedidos maiores que a demanda atual. Na
esperança de resolver o problema rapidamente solicitam pedidos extremamente grandes. Se
não existisse tempos de espera (time delays) esta estratégia poderia funcionar. No entanto,
na simulação, estes pedidos altos esgotam o estoque do Distribuidor. Os Varejistas, durante
esta primeira etapa, não observam os pedidos pendentes, e ficam ansiosos à medida que
suas listas de pedidos não atendidos (backlogs) continuam crescendo, muito embora a linha
de suprimento já esteja abarrotada. Assim sendo, um pequeno salto na demanda do
consumidor final de 4 para 8 unidades é amplificado e distorcido à medida que a reação do
Varejista é transmitida para o Distribuidor, deste para o Atacadista e finalmente para a
Fábrica. Com o passar do tempo, o produto adicional solicitado é produzido e começa uma
nova reação. Os jogadores, à medida em que os estoques voltam a crescer, começam a
diminuir os pedidos, porém novamente já é muito tarde. A linha de suprimento está
sobrecarregada e continua a crescer.
Face a eventos como estes, muitas pessoas esquecem que fazem parte de um
todo. Sob pressão, nós tendemos a focalizar nosso controle sobre a nossa posição dentro do
sistema tentando manter nosso custo isoladamente baixo. No entanto, observa-se nesta
experiência que, quanto mais o agente se centraliza em si próprio, mais problemas são
causados para os outros agentes, que consequentemente, ao se comportar da mesma
maneira, transferem o problema para o próximo elo, de forma amplificada.
Consequentemente, esse processo se propaga por toda cadeia e retorna ao agente que
originalmente o provocou. Em outra palavras, quanto mais nos preocuparmos em resolver
nossos problemas de forma introspectiva, mais problemas geramos para o sistema, cujo
resultado atinge os agente isoladamente, de forma dramática. Estamos, portanto, diante de
uma situação onde o conjunto de ótimos locais resulta em um desastre global. A grande
lição deste jogo, é entendermos como pessoas inteligentes e bem intencionadas podem
produzir resultados indesejáveis e não esperados.
Os padrões observados nesta simulação tais como oscilações, amplificações e
atrasos são claramente observados no mundo real, desde o que ocorre nos ciclos de
negócios às falências de planos de previdências governamentais. Esta estrutura, impede que
o sistema alcance o ponto ótimo. O mais interessante a ser observado, é que a causa do
afastamento do ponto ótimo não é aleatória. Foi possível observar que embora a demanda
não tenha oscilado (inicia em 4 unidades, aumenta para 8 na quinta semana e permanece
constante até o fim do jogo) os níveis de estoque e pedidos oscilaram mostrando que esta
instabilidade do sistema foi gerada pela sua própria estrutura interna.
Foi possível observar também que muito embora as equipes tenham
formação intelectual e habilidades profissionais diferentes (Professores, alunos e executivos)
os gráficos exibem um mesmo padrão de comportamento.

7
6. BIBLIOGRAFIA

ACKOFF, R. L. The future of operational research is past. J. Opl Res. Soc., 30, p. 93-104.
BERTALANFFY, L. Teoria Geral dos Sistemas. 2a. ed. Petrópolis, Vozes, 1977.
FIGUEIREDO R. S.; SALOMÃO, S.; RENTES, A. F.; NOBRE, M. von G.: “Utilização de
Jogos de Empresas para Capacitar Recursos Humanos na Tomada de Decisão. ANAIS
do XV ENEGEP, 1995.
_____________ 'Teoria dos Jogos: Conceitos, Formalização Matemática e Aplicação à
Distribuição de Custos Conjuntos. Gestão & Produção, v. 1, n 3, p. 272-289, dez 1994.
_____________.: A Modelagem do Conflito e a Teoria dos Jogos: fundamentos eco-
nômicos e desdobramentos filosóficos.. Tese de doutorado. 319p, IEI/UFRJ, 1993.
FORRESTER, J. W. Industrial Dynamics. Cambridge, MA.,Produtivity Press, 1961.
_____________. Policy, decisions and information sources for modeling. North-Holland,
European Journal of Operation Research, 59 (1) p.42-63, 1992.
_____________ Is Management Still a Scince?. Harvard Business Review, Vol 70, no 6.
1992
GARVIN, D. A. Building a Learning Organization. Harvard Business Review, July-August,
1993, pp. 78-91.
GOODMAN, M. Study Notes in System Dynamics. Portland, Productivity Press, 1974.
GRAHAM, A. K.; MORECROFT, J. D. W.; SENGE, P. M.; STERMAN, J. D.; Model-
supported case studies for management education. European Journal of Operational
Research, vol 59, no 1, p. 151-166, maio de 1992,
GUBBELS, J. W.; VENNIX, J. A. M. Knowledge elicitation in conceitual model building:
A case study in modeling a regional Dutch health care system. European Journal of
Operational Research, vol 59, no 1, p. 85-101, maio de 1992.
HARTLEY, W. C. F. Uma Introdução aos Jogos. Management Development Branch,
International Labour Office Geneva, 1985.
JOHNSON, H. T. Relevance Regained. New York, The Free Press, 1992.
MORECROFT, J. D. W. Executive Knowledge, Models and Learning. North-Holland,
European Journal of Operation Research, , 59 (1) p.9-27, 1992a.
_____________; van der HEIJDEN. Modelling the oil producers - Capturing oil industry
knowledge in a behavioural simulation model. European Journal of Operational
Research, vol 59, no 1, , p. 102-122, maio de 1992b
_____________; STERMAN, J. Modeling for Learning. Portland. Productivity Press,
1994.
ROSENHEAD, J. Introduction: old and new paradigmas of analysis; Rational Analysis
for a Problematic World. J.Rosenhead j., John Willey & Sons, 1989.
SENGE, P. M. The Fifth Discipline. New York, Doubleday, 1990.
_____________et al . The Fifth Discipline Fieldbook. New York, Doubleday, 1994
STERMAN, J. D.. Modeling Managerial Behavior: Misperceptions of Feedback in a
Dynamic Decision Making Experiment. Management Science, 35(3), p.321-339, 1989.
_____________; Teaching Takes Off. OR/MS Today, 35(3), p. 40-44, October 1992
TOWILL, D. R.; NAIN, M. M.; WILKNER, J. Industrial Dynamics Simulations Models in
the Design of Suply Chains. International Journal of Physical Distributions & and
Logistics Management. Vol. 22, No 5, p. 3-13. 1992.