1

DESENHANDO A ESTRATÉGIA DE MANUFATURA EM NÚMEROS

Autoria: Euripedes de Medeiros Júnior, Jefferson Bruno Soares de Medeiros

RESUMO

A identificação e formulação de estratégia são visualizadas como um processo de várias perspectivas. Abordamos nessa pesquisa a estratégia de manufatura exercida por uma empresa salineira brasileira de modo quantitativo. O método utilizado foi o estudo de caso transversal com auxilio da análise de cluster e levantamentos topográficos planialtimétricos para medições de estoque de sal. Como resultados práticos, o trabalho apresenta fatores (perdas e ganhos) que influenciam no processo de manufatura e em um modelo estratégico de gerenciamento de estoque categorizado em cluster utilizado pela empresa para tomada de decisão.

Palavras-chave: estratégia, recursos naturais, modelagem matemática.

1 INTRODUÇÃO

A taxonomia de estratégia obteve vários significados durante seu desenvolvimento, principalmente por utilizar várias abordagens teóricas e diferentes enfoques. Três correntes de conceito de estratégia são principais ao bom entendimento: a corrente prescritiva que destaca a formulação de estratégia; a descritiva, cujo foco está em como as estratégias são formuladas; e a integrativa que agrega conceitos das duas correntes anteriores. Dentre essas correntes existem métodos que auxiliam a formulação, identificação e manutenção de estratégia (nos seus vários conceitos). Dois exemplos são as folhas de trabalho desenvolvidas por Platts e Gregory (1990) que são ferramentas que auxiliam a definir as prioridades e a matriz importância-desempenho, ambas efetivas em proporcionar aos gerentes detalhamento dos critérios de desempenho.

Sobre o tema de formulação de estratégias, segundo a visão de Mintzberg (1973, 1978) a mesma pode ocorrer de três formas. O modo empreendedor, o modo adaptativo e o modo de planejamento. Na visão de Ansoff (1977) toda formulação de estratégia pode ser identificada por meio de um modelo de tomada de decisões. Porter (1979) apresenta níveis de estratégia, por exemplo, empresarial, comercial, de produção e até mesmo filantrópica no trabalho Porter e Kramer (2002). Skinner (2007) enfatizou em seu trabalho sobre a historia da estratégia de produção a associação de campo de visão da estratégia (tempo), vislumbrando o longo, médio e curto prazos. A estratégia é caracterizada pela alta diversificação de métodos para formulação e diferentes embasamentos para mantê-las.

2

Existem alguns pontos de confronto, outros de integração entre conhecimentos da formulação de estratégia e a complexidade nesse tema é principalmente fator de fatores não controláveis pelas empresas. Fatores normalmente característicos de mercado, no entanto há uma lacuna quanto a abordagem de modelos matemáticos na formulação de estratégia (Skinner, 2007).

Um dos setores industriais com características de maior proporção de fatores não controláveis pelas empresas é o setor de recursos naturais, mais especificamente o setor de produção de sal marinho. De maneira geral, os fatores abarcados de maior incidência na produção e comercialização do sal nesse setor são chuva, sol e vento. Esse setor teve crescimento em ritmo acelerado desde a década de 80, e mesmo o Brasil estando entre os maiores produtores de sal marinho (Tabela 1). Na atualidade, pouco se comenta na literatura nacional sobre métodos detalhados para controlar os estoques de sal com a precisão e velocidade necessárias (Silva, 2001).

Tabela 1.1 Produção Mundial de Sal

Discriminação Produção (t)

Países 2010

Total

de sais Outros Sais % Sal Marinho % Total

Brasil 7.030 1.430 20,4 5.600 79,6 2,6%

China 60.000 60.000 100,0 - - 22,2%

EUA(3) 45.000 41.400 92,0 3.600 8,0 16,7%

Alemanha 16.500 16.500 100,0 - - 6,1%

Índia 15.800 15.800 100,0 - - 5,8%

Canadá 14.000 14.000 100,0 - - 5,2%

Austrália 11.500 11.500 100,0 - - 4,3%

México 8.800 8.800 100,0 - - 3,3%

Chile 6.500 6.500 100,0 - - 2,4%

Outros países 84.870 83.670 98,6 1.200 1,4 31,4%

TOTAL 270.000 259.600 96,1 10.400 3,9 100,0% Nota. Fonte: adaptado de DNPM, (2011).

Estudos relacionados ao setor de produção de sal identificam que o Rio Grande do Norte é o principal produtor nacional, contribuindo com mais de 95% da produção total anual de sal. A tecnologia utilizada pelas empresas salineiras instaladas no Brasil está desatualizada em comparação com aquela usada em países como China, EUA e Alemanha. As técnicas utilizadas para controlar estoques de sal baseiam-se em informações contábeis, com periodicidade irregular, não atendendo a necessidade do controle (Silva, 2001; DNPM, 2011).

Duas arguições foram expostas sobre o assunto. Uma destacando a ausência de modelos matemáticos na formulação e identificação de estratégias. Na outra, como o setor de produção de sal no Brasil consegue altos desempenhos, se comparados aos maiores produtores de sal no mundo, com tecnologia desatualiza e menores proporções de empresas. Na tentativa de estudar essas duas arguições, a presente pesquisa objetiva apresentar quantitativamente a estratégia comercial exercida pela empresa salineira brasileira com maior participação na produção anual.

Na seção inicial, este trabalho destaca o ambiente atual do setor em que se desenvolve a pesquisa. Na segunda seção a fundamentação teórica reúne os trabalhos e pensamentos de

3

autores clássicos das áreas de estratégia, estratégia de manufatura, modelagem em salinas e cluster. A terceira seção é apresentada a metodologia utilizada, e conseguinte os resultados são expostos. Ao fim as considerações finais sobre a pesquisa e as referencias utilizadas.

2 FUNDAMENTAÇÃO TEÓRICA

A seguir são apresentados conceitos relevantes sobre o processo de formulação e identificação de estratégia, a estratégia de manufatura, modelagem em recursos naturais e análise de cluster.

2.1 Os processos de identificação e formulação de estratégia

Mintzberg e Lampel (1999) afirmam que a identificação e formulação de estratégia são visualizadas como um processo de várias perspectivas. Perspectivas essas que seguem os critérios delineados pelas escolas da estratégia. As escolas da estratégia mais disseminadas no meio acadêmico são: a do Posicionamento (Mintzberg, 1973) e a da Competição (Porter, 1981), das quais investigação modelos partindo de concepções genéricas de aplicação.

A escola da competição trata a estratégia estabelecendo uma competição, buscando uma posição lucrativa e sustentável contra as forças que determinam a competição normalmente industrial. O termo utilizado é a estratégia competitiva, da qual é baseada no nível de competição alcançado pela empresa ou unidade de negócios e depende fortemente de fatores sistêmicos, estruturais ou empresariais (Porter, 1981).

Dentro do contexto da escola do Posicionamento, Mintzberg e Lampel (1999) mostram que a estratégia, seja qual for, pode ser baseada em um modelo que apresente características estruturais e sistêmicas. O tipo de estratégia denominada deliberada é planejada segundo um processo racional e formal e seguem padrões conhecido pelos agentes atuantes. O termo de “estratégia deliberada” foi o conceito aceito pelos autores, no entanto, não se deve perder de vista que a opção estratégica mais adequada deverá estar em conformidade com os objetivos e interesses particulares da empresa.

De acordo com Porter (1979) a estratégia é particionada em três níveis: a estratégia corporativa, que conduz e orienta a organização, sendo o nível mais alto; a estratégia de negócios que é o nível intermediário na hierarquia das estratégias, e visa obter os resultados pretendidos da estratégia corporativa mais com a perspectiva de tempo menor; e a estratégia funcional, o nível mais baixo, onde ocorre o traslado dos objetivos estratégicos para os operacionais que utiliza as perspectivas de recursos e capacidade em relação ao curto prazo. Os níveis de estratégia de negócios e funcional recebem também sua denominação de acordo com seu setor ou unidade, por exemplo, estratégia de produção.

Ao estudar os níveis menores, a velocidade da tomada de decisão aumenta. Similar ao pensamento de estratégia com níveis, Ansoff (1977), evidencia um modelo de tomada de decisões estratégicas, o qual é baseado em uma série de passos inter-relacionados, de forma que uma alteração em algum passo do processo pode afetar os demais. A perspectiva de estratégia como resultado do processo de tomada de decisão de Ansoff (1977), Miles e Snow (1978), reproduziram com base em três ideias centrais: (1) o ambiente forma e é formado pelas ações empresariais; (2) as estratégicas determinadas pela administração da empresa orientar e condizem à estrutura e os processos organizacionais (3) processos, métodos e estrutura interna e externa condicionam a escolha da estratégia.

Essas ideias proporcionam maior consistência ao que tem sido denominado paradigma da escolha estratégica. Tais ideias determinam que são viáveis por meio de modelos a determinação do processo de formulação de estratégia. Em essência, no conceito de

4

identificação de estratégia é inserida a adaptação organizacional como dependente das percepções sobre condições dos ambientes (interno e externo) e das decisões tomadas no que diz respeito ao modo como a organização tratará essas condições. Em outras palavras o processo de construção da estratégia é determinado por meio de uma série de escolhas referidas aos mercados, produtos, tecnologia e capacidade desejada de operações, entre outros (Miles & Snow, 1978; Child, 1972).

Segundo Miles e Snow (1978), um modelo de estratégia em empresas é desenvolvido por padrões de comportamentos estratégicos relativamente estáveis na busca de um alinhamento com as condições ambientais percebidas pela empresa.

2.2 Estratégia de manufatura

De acordo com Wheelwright (1984), a estratégia de manufatura ou produção pode ser entendida como sendo uma sequência de decisões que capacitam às unidades de negócios, pois, atuam em nível funcional, da organização para obter a vantagem competitiva desejada. Hayes e Pisano (1996) posicionam a estratégia de produção em um plano prioritário para a definição do conjunto de objetivos e restrições que orientam a forma como a organização deverá desenvolver os recursos existentes na operação.

A estratégia de manufatura compõe-se de planos, políticas e programas de ações utilizados pela empresa nas tomadas de decisões, levando em consideração as prioridades competitivas. Essas prioridades são representadas por cinco diferentes dimensões ou prioridades competitivas da produção: custo, entrega, flexibilidade, qualidade e serviço (Leong, Snyder & Ward, 1990).

Neste estudo, para comparar os seus efeitos, as políticas de tomada de decisão podem ser classificadas em quatro tipos, de acordo com a relação de poder de negociação entre o fornecedor de matéria-prima e varejista ou indústria.

Os aspectos de relacionados a decisões em estratégias de produção envolvem desde a capacidade, mão de obra, tecnologia, estoque, e a qualidade. No entanto, é útil a visão do ambiente externo, como por exemplo, preços dos produtos, distribuição etc. (Wheelwright, 1984).

Os recursos e competências observados pela estratégia de produção devem ser desenvolvidos e orientados para as oportunidades que surgem também no mercado. Um alto desempenho das estratégias de manufatura pode ser obtido por meio do alinhamento das prioridades competitivas (Custo, flexibilidade, qualidade, entrega e serviço) com as exigências do Mercado (Skinner, 1969).

Segundo Hayes e Pisano (1996) a estratégia de produção e suas prioridades competitivas são particulares para cada setor de atuação. Na indústria, por exemplo, o foco está no estoque e distribuição pelo fator de produtos poucos perecíveis. No setor de serviços o foco é na interação com o cliente.

2.3 Modelagem em Recursos naturais

Modelagem significa a abordagem de uma situação ou problema da realidade investigada por meio da Matemática. Retrata a observação de uma situação em que o processo e suas características pertinentes (objeto e/ou sistema) são extraídas e representadas em termos matemáticos (Barbosa, 2006).

O processo de modelagem matemática é constituído por três fases: A fase de interação, que objetiva familiarizar o pesquisador com a situação. A fase de Materialização que estabelece a formulação, em outras palavras, é a decisão de quais instrumentos serão

5

utilizados para representar a realidade de dados objetos ou sistemas. A última fase trata-se da resolução e interpretação dos resultados (Barbosa, 2006).

Uma fase crítica do processo de modelagem é decidir quais componentes no sistema do mundo real devem ser incluídos em determinado modelo e como eles devem ser relacionados (mensurados) um ao outro. As pesquisas de Williams (1982; 1996b) sobre gerenciamento de recursos naturais utilizam as experiências de outros autores, para discernir sobre essas decisões de quais variáveis utilizar em seu estudo. Os estudos de Meira, Andrade, Padaratz e Alonso (2006) reutilizam as especificações da concentração de sal por fatores da velocidade do vento, como a pesquisa realizada na Espanha de Morcillo, Chicoa, Mariacab e Otero (2000) para verificar no Brasil a incidência dessa variável.

No desenvolvimento de uma modelo matemático, Sterner (2003) expõe a importância do padrão de tomada de decisão adaptativa no setor de recursos naturais, principalmente por motivo da incerteza quanto aos fatores exógenos que as organizações – velocidade do vento (Morcillo et al., 2000) e incidência de chuva (Meira et al., 2006) – suportam no decorrer do processo produtivo. A alta oscilação dos fatores exógenos segundo Grant (1998) é uma constante, normalmente gerenciada por períodos para promover a identificação de padrões. Nesse contexto se utiliza a análise de cluster apresentada a seguir para definir os padrões.

2.4 Cluster

O termo Cluster Analysis foi introduzido por Tryon em 1939, mas muitas outras variações e técnicas dessa análise foram criadas posteriormente. Esse termo é utilizado nacionalmente como análise de aglomerados, conglomerado ou cluster. A análise de cluster é uma técnica multivariada na qual o pesquisador busca explicar observações compostas por múltiplas variáveis ou objetos. A análise realiza agrupamento de indivíduos ou objetos, caracterizados por variáveis (informações), tais que os indivíduos do mesmo grupo sejam parecidos entre si e diferentes dos indivíduos dos outros grupos, maximizando a homogeneidade dentro do grupo e a heterogeneidade entre grupos (Hair, Tatham, Anderson & Black, 2005).

Os agrupamentos são realizados utilizando medidas de distância (coeficientes de similaridade ou dissimilaridade), logo para aplicar técnicas de grupamento é necessário a existência dos dados no conjunto inicial e definir qual o critério a ser utilizado na definição da distância. Sendo mais eloquente, em uma análise de Cluster, tenta-se construir grupos a partir de um conjunto de elementos utilizando um ou mais critérios de proximidade ou de não proximidade, mas contemplando sempre uma comparação entre o conjunto de elementos (Rodrigues & Sellitto, 2009).

A medição da distância, por similaridade pode ser feita por medidas de correlação, de distância ou de associação. As medidas por correlação usam coeficientes entre os elementos e unem os perfis semelhantes pela correlação, podendo ter valores muito diferentes entre os elementos de um grupo. Enquanto isso, as medidas de distância reúnem elementos próximos, mesmo com perfis diferentes. Um exemplo de medida é a distância euclidiana, obtida pela soma do quadrado das diferenças entre variáveis (Hair et al., 2005; Rodrigues & Sellitto, 2009).

Na análise de cluster, a aglomeração pode ser hierárquica ou não-hierárquica. Uma distinção básica entre essas categorias de aglomeração é a sequência inicial, pois a hierárquica parte do pressuposto de isolar cada elemento e ao ponto que unindo por correlação irão formando aglomerados. Enquanto que a não-hierárquica inicia a correlação entre um elemento para todos o restante. Repete-se o procedimento até encontrar grupos e não tenha elemento

6

ausente de grupo. Os hierárquicos criam dendogramas, por procedimentos aglomerativos e divisivos (Doval, Mancoridis & Mitchell, 1999).

Nos aglomerativos, cinco algoritmos aglomerativos merecem destaque: ligação individual; ligação completa; ligação média; método de Ward; e método do centroide. Nos processos divisivos começam com todos os elementos agrupados e termina em alguns aglomerados. Os objetos diferentes vão saindo, até que cada objeto pertença a um único aglomerado. Em ambos os casos, escolhe-se o número de aglomerados desejados e corta-se o processo na etapa correspondente (Doval et al., 1999).

Nos aglomerados não-hierárquicos elege-se um dos elementos como o centro inicial de aglomerado, e todos os elementos dentro de uma distância de referência são incluído. Em seguida repete-se o mesmo processo com outro elemento e continua até que não reste objeto isolado (Bailey, Gutschall, Mitchell, Miller, Lawrence & Smiciklas-wright, 2006).

Martins, Cruz, Kato, Silva e Silva (2010) emprega a análise de cluster Fatorial buscando auxiliar a identificar a relação entre grupos estratégicos e o desempenho na indústria de bancos comerciais no Brasil. Na análise do desempenho competitivo no setor de móveis Carvalho, Santana, Nogueira, Mendes e Carvalho, (2007) também utiliza analise de cluster fatorial. O estudo de Oliveira, Felix, Gomes, Laurencel e Alves (2008) sobre o Índice de mortalidade em pequenas empresas brasileiras aplicou a análise de cluster pelo método hierárquico Fatorial.

A análise de cluster, seja hierárquica ou não-hierárquica é descrita por Bussab, Miazak e Andrade (1990) como processo de quatro etapas a serem seguidas durante a aplicação, são elas:

1. Definição dos objetivos da Análise de Agrupamento, obtenção dos dados e tratamento, se necessário, dos mesmos;

2. Escolha da Técnica de Agrupamento e da medida de distância (coeficiente de similaridade ou dissimilaridade) a ser utilizada;

3. Formação dos grupos a partir das definições efetuadas no item anterior; 4. Validação, avaliação e interpretação dos resultados obtidos.

De acordo com Bussab et al. (1990), no primeiro processo, a definição dos objetivos, é a etapa na qual se decide como conduzir a aplicação da análise, identificando os dados e o tratamento dos mesmos. Devem ser conhecidas as características das variáveis, ou seja, se os dados são qualitativos ou quantitativos, nominais ou ordinais e suas escalas. A etapa de escolha da técnica de agrupamento é definida pelas informações obtidas na etapa anterior, pois, a utilização de técnicas hierárquicas ou não-hierárquicas é influenciada por dados e elementos a serem agrupados. Realizada a escolha da técnica, segue-se para a definição da medida de distância, caracterizada pelo coeficiente de similaridade ou dissimilaridade. Normalmente, esse coeficiente é utilizado com a finalidade de moldar situações especiais de interesse do pesquisador (Bussab et al., 1990).

Na terceira etapa, a aplicação é dependente dos tipos de técnicas, medidas e dados, sendo gerado um ou alguns algoritmos com o objetivo de identificar os grupos que são formados. Nessa fase mesmo com o auxilio dos algoritmos o pesquisador, com seu conhecimento e experiência que possui em relação aos dados, pode influenciar um número ideal de grupos. Na última etapa, após ter realizado a construção de grupos, deve-se garantir que os elementos de grupos diferentes apresentem comportamentos distintos, e aqueles que se encontram em um mesmo grupo apresentem comportamentos semelhantes. A confirmação pode ser realizada com procedimentos como Matrizes, Dendrogramas e a Re-análise dos dados que possibilita maior precisão e segurança no processo.

7

3 METODOLOGIA

Esta pesquisa consiste em um estudo de caso, transversal com abordagem qualitativa e quantitativa. Quanto aos objetivos, a pesquisa é descritiva. Adicionalmente, o estudo quanto aos meios é uma pesquisa de campo e foi desenvolvida no Estado do Rio Grande do Norte. Os dados foram coletados por meio de questionários, entrevistas e observação direta e sistêmica no decorrer das atividades reais da empresa objeto de estudo durante o decorrer de um ano (Gil, 2010).

O universo da pesquisa foi a empresa salineira Diamante Branco. A amostra está constituída pelos funcionários envolvidos nos setores de moagem, estocagem e a Gerência Industrial da respectiva Salina. A coleta de dados da pesquisa consistiu na avaliação contábil e volumétrica dos estoques (pilhas a céu aberto) de sal, resultado da produção de sal marinho por evaporação solar. O levantamento de dados foi realizado durante o ano de 2010, sendo feitas duas medições por mês, havendo uma média de 15 dias entre as medições. Foi definida a primeira medição na data que coincide com o encerramento do ano fiscal da empresa, ocasião em que ocorre a auditoria anual, realizada pela Deloitte®, empresa que atua no Brasil desde 1911, prestando serviços na área de auditoria, consultoria, assessoria financeira e consultoria tributária. O valor total das medições foi estabelecido para que a 25ª medição coincidisse com a data da auditoria anual, fim de 2010, de forma que os valores apresentados já sejam utilizados para o balanço anual da empresa no fim do outro período.

As medições foram realizadas utilizando-se levantamentos topográficos planialtimétricos para a geração de modelos digitais em 3D e em curvas de nível, representativos de pilhas de sal e seus respectivos volumes. Os valores obtidos serão informados em toneladas (t) utilizando-se o valor da massa específica de 1,174 ton/m³. Os parâmetros de Estoque Contábil (ECT) nas datas das medições foram coletados junto a Gerência Industrial da Salina Diamante Branco (GISA). O modelamento digital de terreno é válido para controle de estoque e o caso em especifico, pois oferecendo um parâmetro máximo de erro de modelamento em torno de 3%, segundo Kumler (1994), possibilitou aferir com maior segurança os procedimentos do estoque para comparar entre períodos.

Quanto ao tratamento dos dados utilizou-se o cluster por análise hierárquica fatorial também utilizada nos trabalhos de Martins et al., (2010), Oliveira et al., (2008) e Carvalho et al., (2007).

4 RESULTADOS Os valores de estoques (contábil e medido) tem apresentado uma grande diferença ao

longo do período observado, pois há grandes perdas no processo produtivo. Conforme expõem Meira et al., (2006), o sal marinho pode ser bastante influenciado por fatores exógenos ao sistema, principalmente, a velocidade do vento. Existem vários fatores que influenciam as perdas do processo, de maneira positiva, negativa ou de neutral.

Nesse contexto, as perdas têm diferentes impactos ao longo do processo de manufatura e seus gestores necessitam de informação fidedigna para tomar decisões estratégicas. O aumento da gama e variedade de informação reduz a velocidade na tomada de decisão, por necessitar de filtros e seleção das informações disponibilizadas. A formulação de estratégias oportunas se torna frequente nesses casos, pois a produção de sal é muito volátil e dependente de fatores exógenos, principalmente do estoque. O estoque de sal é armazenado em pátios a

8

céu aberto. São formadas pilhas de sal em pátios não permeável expostos a sol, chuva, vento e infiltração.

Para realizar um melhor diagnóstico dos padrões de oscilação dos fatores exógenos seguiu-se a indicação de Grant (1998), com a utilização do método de cluster que proporciona uma análise por conjunto de dados, os quais expõem características detalhadas, evidenciando caso a caso uma análise com visão macro obtida com os dados da pesquisa de campo. Ao sistematizar os dados no período observado, agruparam-se os dados utilizando critérios de homogeneidade de comportamento no período entre a diferença existente dos estoques.

Frente ao exposto, estabeleceu-se clusters a partir de alguns critérios: divergência entre a relação estoque medido e estoque contábil. Para condução da análise dos resultados, utilizam-se quatro clusters de análise, conforme identificados na Figura 4.1. O Cluster 1 é caracterizado por ter estoque medido maior que estoque contábil, tendo em vista que seu período propicia uma produção de sal efetiva. Durante esse período, o estoque medido mantém-se em quase totalidade dos dados maior que o estoque contábil, com grande diferença em apenas uma pequena parcela nas coletas dos dados.

Perante o Cluster 2, evidencia-se uma mudança na relação de estoques, pois o contábil equipara os volumes do estoque medido, havendo pontos de pequeno superávit. No Cluster 2, a produção é encerrada, estando no período de entre safra. Esse ajuste é respaldado pelo aumento do preço do sal.

Figura 4.1. Clusterização das medições de estoque entre o medido e contábil. Fonte: Pesquisa de campo

Após o período da entressafra, a produção é retomada no Cluster 3, tendo uma parcela significativa de diferença entre os volumes dos estoques. Tendo predominância de maior volume, o estoque contábil alcança a maior diferença de volumes com aproximadamente 90%. No Cluster 4 continua a produção de sal e a tendência do estoque contábil ter maior volume que o estoque medido, entretanto com menor significância quanto ao Cluster. Outro fator observado desse Cluster 4 é o ajuste entre as diferenças de estoque medido e contábil que ocorrem para não haver discrepância com a contabilidade fiscal da organização.

A distinção entre produzir e armazenar desencadeia perspectivas de mudanças em diversos fatores, sejam exógenos ou endógenos, relacionados às variações não controláveis

Cluster 1 Cluster 2 Cluster 3 Cluster 4

9

ambientais e às incertezas sobre caracterização apropriada dos recursos dinâmicos, conforme identificados em outras pesquisas Williams (1996a; 1996b), Meira et al. (2006; 2007). Contudo, essas perspectivas são capazes de modificar o resultado operacional da empresa, pois desenvolvem estratégias de produção para aumentar sua produtividade para garantir a confiabilidade dos resultados. Estratégia similar foi desenvolvida de Williams (1996a) porque avalia que as incertezas e o reconhecimento das informações são chaves para tomada de decisão. A diferença entre estoque medido e contabilizado ocasiona mudanças na programação de vendas. Em outras palavras, o setor comercial, em muitos casos, realiza sua programação de vendas no primeiro cluster com o produto disponível informado, porém a empresa disponibiliza um estoque maior no pátio, visto que não é contabilizado porque os fatores exógenos podem afetar, de maneira negativa, assim a organização utiliza estratégias para monitorar as perdas.

4.1 Análise dos fatores que impactam a manufatura

No processo de formulação de estratégias vários fatores são postos para uma melhor adequação das vantagens e desvantagens, oportunidades e ameaças, para cada (cluster) e com esse auxílio desenvolver e adaptar melhor a estratégia de uma empresa. Na descrição de cada cluster são retratados os fatores controláveis e os fatores incontroláveis, prioritários e não prioritários, entretanto estimamos os fatores de maior impacto nos resultados operacionais da empresa, ou seja, os fatores capazes modificar o resultado de lucro para prejuízo, e vice versa. A influência desses fatores podem ter diferentes impactos porque existem variações nos processos produtivos, bem como mudanças de incidência desses fatores. A Figura 4.2 sistematiza os diferentes fatores correlacionando com os respectivos impactos.

Frente ao exposto, os fatores descritos como prioritários são: sol, chuva, vento, transporte, quantidade de produtos no mercado e pátio. Vale salientar que os fatores transporte e pátio são endógenos por serem possíveis de controle e manipulação, enquanto que os outros são exógenos. No período de produção, o sol é um fator preponderante para acelerar o processo de cristalização do sal. A chuva possibilita reduzir uma parcela de magnésio no produto acabado o que melhora a qualidade do produto final. O vento auxilia por aumentar a velocidade da cristalização do sal e assim a produtividade. Observa-se que Meira et al., (2006) sustenta o auxílio do vento em sua pesquisa no Brasil. Esses três fatores impactam positivamente no processo produtivo de modo que Leong, Snyder e Ward, (1990) indicam utilização máxima dos recursos para produzir mais e mais e obter máxima produtividade nesse período mesmo que aumente os níveis de estoque. No entanto, na perspectiva de Wheelwright, (1984) por existir grande quantidade de produto no mercado não se deve aumentar a produção, pois o ambiente externo (mercado) determina as condições de preço, e produto em estoque é capital parado.

O transporte é único nesse período a ter impacto negativo, pois o transporte normalmente realizado retrata grandes perdas proporcionais aos deslocamentos que não consegue quantifica-las. O pátio é neutro por obter poucas infiltrações no início do ano. Os trade-off’s: custos e qualidades estão em alta no cluster 2 (Skinner, 1969).

O período em que a produção encerra, caracterizando pelo cluster 2, os fatores necessitam de um maior atenção para análise dos possíveis impactos. Por exemplo, o fator sol, por não ter grandes impactos no armazenamento do sal mesmo sendo exposto ao ar livre, torna-se neutro, enquanto que no fator chuva, o impacto pode alterar: existe a quantidade ótima de chuva. Em valor baixo de chuva o fator se torna positivo por reduzir o volume de magnésio. Essa é uma preocupação identificada no ambiente europeu na pesquisa de Winiwarter, Kuhlbusch, Viana e Hitzenberger, (2009), bem como na pesquisa americana

10

mencionada por Grant (1998) em que pauta como uma perspectiva do gerenciamento dos recursos por meio do ambiente ecológico. Caso a chuva exceda o volume esperado o estoque tem redução e escoamento do sal, consequentemente ocorre a perda de produto ou redução de qualidade do produto final (Williams, 1996a).

Sterner (2003) aconselha que em períodos em que os fatores exógenos no setor de recursos naturais o foco deve ser redução de custos da produção, e otimização das atividades.

Impacto Período

Etapa do processo

Fatores que influenciam as perdas(folga/xi) no processo Neutro Positivo Negativo

Sol X Chuva X Vento X Transporte X Quantidade produto no mercado X

30-12/ 21-04

(1) Produção

Pátio X Sol X Chuva X X Vento X Transporte X Quantidade produto no mercado X

21-04/14-07

(2) Entresafra

Pátio X Sol X Chuva X Vento X Transporte X Quantidade produto no mercado X

11-08/ 17-11

(3)

Após entresafra

(Produção)

Pátio X Sol X Chuva X Vento X Transporte X Quantidade produto no mercado X

18-11/30-12

(4) Normalização

Pátio X Figura 4.2. Sistematização dos principais fatores no controle de estoque Nota: Fonte: Pesquisa de campo

Durante esse período, o fator vento nesse momento torna-se neutro, pois não consegue influenciar o armazenamento de forma que incida efeitos de perdas ou ganhos. Junto ao fator vento, o transporte por não ser realizado nesse cenário passa atuar como um fator neutro. No mercado, a quantidade de produtos sendo comercializados reduz drasticamente acarretando o aumento dos preços, logo sendo positivo para a empresa vender. Leong, Snyder e Ward, (1990) destacam que em condições de valorização do produto no mercado a estratégia é vender e aproveitar o bom momento, pois os trade-off’s podem não voltar a esse momento no futuro. Em contrapartida, a empresa observada não contempla um pátio impermeabilizado o que ocasiona maiores perdas durante a armazenagem do sal.

Após a entre safra, a produção inicia com a maior parcela de fatores influenciando positivamente, os fatores exógenos e alguns endógenos auxiliam ao alto desempenho da empresa salineira. O sol e o vento estão positivamente acelerando o processo de cristalização do sal, enquanto que as chuvas por terem redução nesse período são neutras. Já o transporte, nesse período, é o único fator negativo, devido à produção cada vez mais rápida necessitar de maiores e mais rápidos deslocamentos do produto. A quantidade de produtos disponíveis no mercado é caracterizada como um fator positivo porque os preços oscilam projetando

11

ascendência. O pátio torna-se positivo porque durante os períodos anteriores formavam-se camadas de sal, que podem ser reutilizadas, tendo em vista que podem ser submetidas aos processos para reutilização desencadeando um produto com baixa qualidade mais aceito pelo mercado por escassez do mesmo.

Nas condições dos fatores encontrados no terceiro cluster os autores Leong, Snyder e Ward, (1990), Skinner, (1969) e Wheelwright, (1984) recomendam estratégias rápidas e eficazes de aproveitar a oportunidade condicionada por esses fatores.

No último cluster, o impacto de neutralidade é similar para todos os fatores. A razão da neutralidade é regida pela ocorrência da auditoria com os ajustes de estoques contábeis e medidos no final do ano, pois quando o estoque medido e estoque contábil não estejam com mesmo volume demonstra indícios de sonegação de imposto, acarretando maior acurácia em posterior avaliação da empresa. As informações disponibilizadas entre setores são estratégicas para regularizarem os estoques.

As condições de cada cluster retratam decisões quase antagônicas e estratégias mutuamente excludentes no mesmo período. A taxonomia de Ansoff (1977) sobre modelo de tomada de decisões estratégicas, o qual é baseado em uma série de passos inter-relacionados, sendo uma sequência de decisões que capacitam às unidades de negócios, isto implica que as estratégias não podem ser consideradas como fórmulas prontas, mas sim como parcial alternativa que junto a outras alternativas respondem positivamente em cada caso estudado. A modelagem matemática a seguir busca encontrar a integração entre esses conselhos estratégicos empresariais.

4.2 Modelagem matemática dos clusters

Devido à grande oscilação e impacto da quantidade de informações, os gestores da indústria salineira necessitam desenvolver e adaptar várias estratégias táticas (médio prazo) e operacionais (curto prazo) ao ambiente e que sejam capazes de gerar ganhos competitivos. O caso em análise é muito particular de modo que não se tem uma estratégia genérica para se tomar decisões, pois o mercado salineiro é muito volátil. No entanto, estimando ter informações em alto grau de complexidade e necessitando de rapidez nas respostas para suas respectivas tomadas de decisões realizamos mensurações quanto à estratégia de manufatura utilizada. Para mensurar essa estratégia com o produto acabado observou diferentes modelagens matemáticas, fatores e informações capazes de traçar diferentes perspectivas de cenários e resultados das possíveis decisões. Realizou-se uma modelagem matemática gerando um algoritmo para configurar o caso em estudo. Segue a mesma linha de contribuição das pesquisas com procedimentos quantitativos por diferentes modelagens matemáticas (Williams, 1982; 1996a; 2012).

Essa modelagem propõe incialmente, representar a tomada de decisão quanto ao valor

a ser especificado como estoque contábil . Logo, o valor é configurado para ser informado aos outros setores da empresa que a utilizam como dado para gerar estratégias comerciais e de

produção. O modelo segue uma estrutura com uma variável para caracterizar o estoque

medido, e uma variável de folga , que retrata o valor dos fatores, vinculados aos possíveis impactos exógenos na empresa. O modelo reporta-se em quatro momentos os clusters, por motivo de conseguir captar de forma mais precisa, as dinâmicas e complexas relações de fatores. O modelo segue a mesma ótica dos clusters quanto às datas em análise.

12

Ao realizar uma analogia entre a abordagem de clusters e as respectivas estratégias, a formulação matemática representar a estratégia de manufatura. As Equações matemáticas estão descritas em quatro fases (produção, entresafra, produção e normalização), conforme a Figura 4.3. A Equação do primeiro cluster conduz a percepção de que a folga é um valor maior que zero, enquanto que o estoque contábil é menor que o estoque medido, proporcionando sal em estoque (armazenamento). Decisão estratégica advertida por Leong, Snyder e Ward (1990), com salva para estocar na espera de períodos melhores. Isso ocorre porque a empresa computa o seu estoque adicionando a quantidade para existir folgas, pois não consegue mensurar quanto irá perder ao longo do processo, o que se torna cada vez mais importante gerar informações confiáveis e estratégicas no gerenciamento dos recursos (Williams, 1996a).

No período de entressafra a equação representa à soma do estoque medido com a folga, resultando na utilização do estoque armazenado no cluster anterior. A ideia de igualdade nessa equação busca aumentar as vendas utilizando o estoque, por motivos dos fatores de alta de preço do produto. Seguindo a mesma alta de preço do produto, o cluster 3, procura utilizar todo o sal produzido para vendas e reutiliza o sal cristalizado nos pátios de armazenamento. Supostamente o estoque medido somado a folga – que reutiliza o sal dos pátios – tende a ser maior que o estoque contábil, aumentando as vendas ao máximo em quantidade como também na variedade dos produtos, posto o sal reutilizável.

Clusters Etapa do processo Equação Matemática

(1) Produção

(2) Entresafra

(3) Produção

(4) Normalização

=

Figura 4.3. A representação matemática da estratégia em diferentes períodos do ano Nota: Fonte: Pesquisa de campo

Na normalização, é adicionado na equação um limite a folga, justo posto para que a folga esteja tendendo a zero, logo aproximam-se as quantidades do estoque medido ao estoque contábil. Nesse período, todos os fatores são neutros, e um critério é adicionado: a avaliação da auditoria fiscal. A contabilidade do estoque deve ser regularizada para não haver oscilações existentes entre o contábil e o medido (real).

5 CONSIDERAÇOES FINAIS As análises descritas anteriormente estão subdividas em clusters, o que permite

prontamente dar uma visão detalhada das partes de uma unidade, entretanto nesse momento conectamos todas as análises, por ter necessidade para demonstrar a formulação das estratégias e as informações de fatores, equações dentre outros.

13

A estratégia manufatureira desenvolvida tem diversas características específicas. O processo de formulação da estratégia não resulta em qualquer ação imediata ou tomada de decisão estática, programada. Em vez disso, estabelece as direções gerais nas quais a posição da empresa terá maior crescimento e se desenvolverá. Por se tratar de informações bastante agregadas, a Figura 4.4 descreve brevemente as estratégias geradas.

O monitoramento do preço do sal no cluster 1, é muito importante porque esse período possibilita ao gestor gerar uma margem de estoque para que possa estocar sem contabilizar nos registros, visto que essa margem de folga será controlada durante o ano para o comercial da empresa não vender o produto em estoque. Estando a empresa salineira com condições de produção bastante positivas o desempenho nas vendas pode ser ampliado. Entretanto, os preços dos produtos ditam as tomadas de decisões, devido estarem não muito atrativos. Nos casos que se estima crescimento de preços na entressafra, a decisão seria armazenar o produto para venda posterior. Nos casos que existam condições desfavoráveis ao crescimento do preço, as decisões devem ser produzir para vender.

Cluster Período Fatores (positivos) Equação

Matemática Estratégia de produção

1 30-12 – 21/04

Sol Chuva Vento

Monitorar o preço do sal.

2 21-04 – 14-07

Chuva Quantidade de produto no mercado

Se tornar uma unidade lucrativa perante aorganização por conseguir estoque na escassez de sal.

3 11-08/ 17-11

Sol Vento Quantidade de produto no mercado Pátio

A estratégia de reutilizar todo produto acabado distribuído no pátio que não tenha qualidade suficiente. Aumentar o mix do produto de baixo valor agregado.

4 18-

11/30-12 Neutralidade

Estratégia para igualar os estoques contábeis para ser contabilizado pela auditoria fiscal.

Figura 4.4. Formulação da estratégia de clusterização na organização observada Nota: Fonte: Pesquisa de campo

Os fatores positivos no primeiro cluster passam a serem neutros no segundo cluster, e os fatores quantidade de produtos no mercado e chuva tornam-se positivos e estando em um dos momentos de alta dos preços do produto as vendas ganham maior prioridade. Mediante as perspectivas ambientais e ecológicas, o mercado mundial nesse período tem escassez de sal (Grant, 1998), sendo muito importante gerenciar os recursos naturais (Sterner, 2003), principalmente na redução das emissões ocasionadas no ar (Winiwarter et al., 2009). Armazenar produto nesse período contorna o custo de oportunidade, ou seja, deixa-se de ganhar. Nesse momento, a estratégia é utilizar todo o produto em estoque para torna a empresa mais lucrativa, pois a produção está encerrada.

Devido a permanência da alta de preços dos produtos do sal, no terceiro cluster, a estratégia de aumentar as vendas ainda continua em foco, entretanto esse período é marcado por haver produção e aparecimento de consumidores de produtos de baixo valor agregado do sal. Um dos modos de aumentar as vendas é exatamente reutilizar o sal distribuído nos pátios durante os períodos anteriores. Esse sal tem baixa qualidade, mas é submetido por processos que o tornam comercializáveis novamente. Tal estratégia adotada aumenta do mix de produtos

14

em que é inserido nessa estratégia simplesmente porque em outros períodos os preços não seriam atrativos para produtos reutilizáveis (relação custo/benefícios).

O cluster quatro retrata a neutralidade dos fatores. Estando próxima a data que é realizada a auditoria fiscal, os estoques devem ser igualados não tendo importância a decisão de armazenar o produto.

Em meio a um ambiente turbulento, a utilização isolada do controle contábil é ineficiente para tomadas de decisão, pois sem a existência de pelo menos um balizamento efetuado através de medições mais precisas e periódicas do estoque no pátio, a inserção aleatória de perdas realizada pelo setor contábil, não é suficiente para garantir ao setor de vendas ao longo do ano, uma posição confiável do estoque existente. As medições topográficas e as gerações de modelos digitais das pilhas se mostraram eficientes balizadores de estoque e serviram como elemento de formulação e identificação de estratégias, tendo sido, inclusive, utilizado pelo setor contábil durante o período da pesquisa.

O contexto de gerenciamento de recursos naturais, em específico sal, que são estocados em pátios expostos a vários fatores exógenos como sol, vento e chuva é caracterizado pela alta velocidade de tomar decisões. É preferencial para essa conjuntura, decisões proativas, no entanto, a mensuração dos fatores exógenos normalmente é pouco preciso e previsível, consequentemente, é necessário trabalhar com decisões reativas.

O pilar no desempenho das decisões reativas é a velocidade com se toma as decisões. Tomada de decisões tardias podem prejudicar por completo uma estratégia de manufatura. Nessa mesma situação, decisões tomadas com antecedência elevam a probabilidade de que a estratégia seja realizada perfeitamente e alcance o desempenho desejado (Ansoff, 1977).

As decisões reativas devem ser tomadas em tempo hábil para se obter resultados satisfatórios. O tempo gasto para tomar decisões reativas pode ser melhorado com a utilização de modelos, como o desenvolvido, capazes de traças as características fidedignas do ambiente. Nessa pesquisa o processo de formação e identificação estratégias foi percebido como interligado. O processo de formação de estratégia de manufatura segundo Skinner (1969) pode ser sistêmico e coeso, no entanto buscamos proporcionar outro ponto a formulação de estratégia de manufatura: a capacidade de transferir a formulação de estratégia para outras empresas de ambiente semelhante e tomar decisões em tempo hábil em um contexto de decisões reativas.

Esse modelo pode ser utilizado pelos gerentes e administradores para desenvolver um plano de produção aplicável e preciso para tomada de decisão de uma dada organização do setor salineiro. É possível também utilizar buscando gerar informações adequadas de produção que permitam desenvolver estratégias corporativas.

Caso ocorra a utilização do modelo desenvolvido, por outras empresas salineiras, o mesmo deve auxiliar nas tomadas de decisões estratégicas de manufatura, no entanto é valido salientar que ao utilizar esse modelo deve-se adequar as proposituras do ambiente empresarial da empresa a ser auxiliada.

REFERÊNCIAS

Ansoff, H. I. (1977). State of practice in planning systems. Sloan Manage Rev, v. 18, n. 2, pp. 1-24.

Ansoff, H. I., Mcdonnell, E. J. (1993). Implantando a administração estratégica. São Paulo: Atlas.

15

Bailey, R. L., Gutschall, M. D., Mitchell, D. C., Miller, C. K., Lawrence, F. R., Smiciklas-wright, H. (2006). Comparative strategies for using cluster analysis to assess dietary patterns. Journal of the American Dietetic Association, v. 106, n. 8, pp. 1194–1200.

Barbosa, J. C. (2006). Mathematical modelling in classroom: a critical and discursive perspective. ZDM – The International Journal on Mathematics Education, v. 38, n. 3, pp. 293-301.

Brasil. (2011). Ministério das Minas e Energia. Departamento Nacional de Produção Mineral. Sumário Mineral - DNPM, Brasilia, v. 31, pp. 83-84.

Bussab, W. O., Miazak, I, E. S. Andrade, D. F. (1990). Introdução à Análise de Agrupamentos. In: 9º Simpósio Nacional de Probabilidade e Estatística, São Paulo. Associação Brasileira de Estatística.

Carvalho, D. F., Santana, A. C., Nogueira, A. K. M., Mendes, F. A. T., Carvalho, A. C. (2007). Análise do desempenho competitivo da indústria de móveis de madeira do estado do Pará. Ciência & Desenvolvimento, Belém, v. 2, n. 4, pp. 17-36.

Child, J. (1972). Organisational structure, environment and performance: the role of strategic choice. Sociology, v. 5, pp. 01-22.

Costa, B. K., Fishmann, A., Silva, L. M. T. (2008). Escolas de Formulação de Estratégias: Um Estudo em Localidades Receptivas de Turismo no Estado de São Paulo. Anais do XXXII Encontro da AnPAD, Rio de Janeiro.

Departamento Nacional de Produção Mineral - DNPM. (2009) Sumário Mineral Brasileiro. Disponível em: <http:// www.dnpm.gov.br>. Acesso em: 08/03/2011.

Doval, D., Mancoridis, S., Mitchell, B.S. (1999). Automatic Clustering of Software Systems using a Genetic Algorithm. In: 1999 International Conference on Software Tools and Engineering Practice (STEP '99).

Gil, A. C. (2010). Como elaborar projetos de pesquisa. 5 ed. São Paulo: Atlas.

Grant, W. E. (1998). Ecology and natural resource management: reflections from a systems perspective. Ecological Modelling. v. 108, n. 1-3, pp. 67-76.

Hair, J., Tatham, R., Anderson, R., Black, W. (2005). Análise multivariada de dados. Porto Alegre: Bookman.

Hayes, R., Pisano, G. P. (1996). Manufactuing Strategy: At the intersection of two paradigm shifts. Production and Operations Management. v. 5, n. 1, pp. 25-41.

Kumler, M. P. (1994). An intensive comparison of triangulated irregular network (TINs) and digital elevation model (DEMs). Cartographica, v. 31, n. 2, pp. 99.

Leong, G. K., Snyder, D. L., Ward, P. T. (1990). Research in the process and content of manufacturing strategy. OMEGA International Journal of Management Science, v. 18, n. 2, pp.109-122.

Martins, T. S., Cruz, J. A. W., Kato, H, T., Silva, W. V. S., Silva, E. D. (2010). Análise de grupos estratégicos e desempenho na indústria de bancos comerciais no brasil. Revista de Contabilidade e Organizações – FEA/USP, v. 4, n. 9, pp. 100-125.

Meira, G. R., Andrade, M. R., Alonso, M. C., Padaratz, I. J., Borba jr, J. (2007). Salinity of marine aerosols in a Brazilian coastal area-Influence of wind regime. Atmospheric Environment. v. 41, n. 38, pp. 8431-8441.

16

Meira, G. R., Andrade, M. R., Padaratz, I. J., Alonso, M. C., Borba jr, J. C.(2006). Measurements and modelling of marine salt transportation and deposition in a tropical region in Brazil. Atmospheric Environment. v. 40, n. 29, pp. 5596-5607.

Mintzberg, H. (1978). Patterns in strategy formation. Management Science, v. 24, n. 9, pp. 934-948.

Mintzberg, H. (1973). Strategy-making in three modes. California Management Review, v. 16, n. 2, pp. 44-53.

Mintzberg, H., Lampel, J. (1999). Reflecting on the strategy process. Sloan Management Review, v. 40, n. 3, pp. 21-30.

Morcillo, M., Chicoa, B., Mariacab, L., Otero, E. (2000). Salinity in marine atmospheric corrosion: its dependence on the wind regime existing in the site. Corrosion Science, v. 42, n. 1, pp. 91–104.

Oliveira, R. R., Felix, C. L., Gomes, J. S., Laurencel, L. C., Alves, F. J. S. (2008). Estudo multicasos e de análise de aglomerado acerca do processo de internacionalização de pequenas empresas. Revista de Contabilidade do Mestrado em Ciências Contábeis da UERJ, Rio de Janeiro, v. 13, n. 1, pp. 1-14.

Platts, K. W., Gregory, M. J. (1990). Manufacturing audit in the process of strategy formulation. International Journal of Operations & Production Management, v. 10, n. 9, pp. 5-26.

Porter, M. E. (1979). The structure within industries and companies performance. The Review of Economics and Statistics, v. 61, n. 2, pp. 214-227.

Porter, M. E. (1981). The contributions of industrial organization to strategic management. Academy of Management Review, v. 6, n. 4, pp. 609-620.

Porter, M. E., Kramer, M. R. (2002). The competitive advantage of corporate philanthropy. Business Review, v. 80, n. 12, pp. 56-68.

Rodrigues D. M., Sellitto, M. A. (2009). Análise do desempenho de fornecedores de uma empresa de manufatura apoiada em análise de aglomerados. Produção, v. 19, n. 1, pp. 055-069.

Skinner, W. (1969). Manufacturing - missing link in corporate strategy. Harvard Business Review, v. 47, n. 3, pp. 136-145.

Skinner, W. (2007). Manufacturing strategy: The story of its evolution. Journal of Operations Management, v. 25, n. 2, pp. 328-335.

Sterner, T. (2003). Policy Instruments for Environmental and Natural Resource Management. Forest Economics. v. 9, pp. 65-66.

Vergara, S. C. (2005). Métodos de pesquisa em administração. São Paulo: Ed. Atlas.

Wheelwright, S. (1984). Manufacturing strategy: define the missing link. Strategic Management Journal, v. 5, n. 1, pp. 77-91.

Williams, B. K (2012). Reducing uncertainty about objective functions in adaptive management. Ecological Modelling. v. 225, pp. 61– 65.

Williams, B. K. (1996a). Adaptive Optimization and the Harvest of Biological Populations. Mathematical Biosciences. v. 136, n. 1, pp. 1-20.

17

Williams, B. K. (1996b). Adaptive optimization of renewable natural resources: Solution algorithms and a computer program. Ecological Modelling. v. 93, n. 1-3, pp. 101-111.

Williams, B. K. (1982). Optimal stochastic control in natural resource management: framework and examples. Ecological Modelling. v. 16, n. 2-4, pp. 275-297.

Winiwarter, W., Kuhlbusch, T. A. J., Viana, M., Hitzenberger, R. (2009). Quality considerations of European PM emission inventories. Atmospheric Environment. v. 43, pp. 3819-3828.