Indústria de Casa & Construção

Como a inteligência artificial otimizou o planejamento de demanda e reduziu erros de previsão em 34%

Uma gigante brasileira do setor de casa e construção, com um portfólio vasto e diversificado. Este case foca em sua divisão de louças, metais sanitários e revestimentos cerâmicos, que opera com alta complexidade de produtos e processos de fabricação.

redução de
33,94% no WMAPE

Consistência ao reduzir o erro em todos os sete meses analisados

Houve redução do erro em todos os canais de venda

Segmento

Casa & Construção

Produto

Aplicado no processo de:

Sell in

O Desafio enfrentado

A equipe de planejamento de demanda dessa indústria enfrentava múltiplos desafios que impactavam diretamente a eficiência operacional e os resultados financeiros:

Baixa acuracidade na previsão: O principal desafio era a baixa acuracidade das previsões de demanda. O processo dependia fortemente de análises de variáveis históricas, um método que não conseguia se adaptar às mudanças de mercado.

Complexidade da ferramenta atual de ERP: A empresa havia implementado uma solução de planejamento integrado para supply chain, mas a perda de membros da equipe que participaram da implantação resultou em uma significativa perda de conhecimento técnico. A ferramenta era considerada pouco intuitiva (“pouco friendly”) e de difícil gestão, o que levou ao abandono de funcionalidades críticas como colaboração e desagregação de dados.

Vasto e diverso portfólio: Com um portfólio de aproximadamente 6.000 SKUs, a análise individual e o ajuste manual de cada item eram impraticáveis. A complexidade era agravada pelas distintas características de produção, como longos lead times para louças sanitárias (quase um mês) e a necessidade de produção por lotes específicos para revestimentos cerâmicos.

Impactos operacionais e financeiros: A imprecisão nas previsões gerava consequências severas, incluindo rupturas de estoque (afetando o nível de serviço), excesso de estoque (imobilizando capital) e perdas de material por danos em embalagens devido ao longo tempo de armazenagem.

A empresa buscava uma solução que pudesse fornecer um baseline de previsão mais acurado e confiável, automatizar o processo para a maior parte do portfólio e ser flexível o suficiente para se adaptar às suas necessidades de negócio.

A solução: IA que entende a complexidade do mercado

Para endereçar os desafios da indústria, a iSystems propôs a implementação da nossa plataforma de inteligência artificial, o Calix.

O processo foi estruturado da seguinte forma:

Diagnóstico e entendimento (discovery): A fase inicial focou em entender as dores da indústria, o funcionamento do seu processo de S&OP e a complexidade do seu portfólio.

Metodologia ensemble: O Calix utiliza sua metodologia Ensemble, que emprega dezenas de modelos de inteligência artificial e machine learning. Para cada SKU, a plataforma promove uma competição entre os modelos para identificar a combinação mais aderente, garantindo o “remédio certo para a dor certa” e se adaptando às diferentes características de venda de cada produto.

Automação e otimização: A solução foi desenhada para automatizar a previsão da maior parte do portfólio (especialmente itens de curva B e C), liberando a equipe de planejamento para focar na análise estratégica dos produtos mais importantes (curva A).

Suporte especializado: A iSystems oferece o apoio contínuo de sua equipe de operações, composta por planejadores de demanda, para auxiliar na modelagem, análise de resultados e identificação de melhores práticas.

Resultados: acuracidade, eficiência e inteligência estratégica

Os resultados do Calix na operação demonstrou resultados expressivos, validando a eficácia da IA para o cenário dessa indústria.

Redução geral do erro de previsão

O Calix alcançou uma redução de 33,94% no WMAPE (Erro Percentual Absoluto Médio Ponderado) geral.

O WMAPE da indústria no período de análise foi de 26,72%, enquanto o do Calix foi de apenas 17,65%.

Redução geral do erro de previsão

Por canal de venda: Houve redução do erro em todos os canais, incluindo os alvos estratégicos como Varejo (-22,9%), Loes (-22,2%) e Home Center (-46,3%).

Por setor de atividade: Ganhos significativos foram registrados nos setores de Revestimentos Cerâmicos (RC), Metais Sanitários (MS) e Louças Sanitárias (LS).

Por curva ABC:

Curva A: Redução de 24,7% no erro.

Curva B: Redução de 39,5% no erro.

Curva C: Redução de 40,9% no erro.

Impactos estratégicos

Além dos números, a solução trouxe benefícios qualitativos e estratégicos fundamentais:

Melhora substancial do baseline: O processo de S&OP da indústria passou a iniciar com um número de base muito mais preciso (17% de erro vs. 26%), permitindo que as discussões colaborativas fossem mais estratégicas e menos focadas em corrigir um baseline falho.

Otimização do tempo da equipe: A automação da previsão para a maior parte do portfólio comprovou a tese de que a equipe poderia parar de “olhar para tudo” e focar sua energia nos itens que realmente “mudam o ponteiro”, um dos objetivos estratégicos da companhia para 2025.

Correção objetiva de viés: A ferramenta atua como uma “entidade” imparcial na mesa de S&OP, fornecendo uma visão puramente estatística que ajuda a calibrar o “viés de otimismo” comum nos processos de colaboração comercial.

Precisa melhorar a acurácia da previsão de demanda dos seus produtos? Conheça o Calix, nossa IA para previsões mais assertivas e estratégicas que aumenta em até 30% a acuracidade.

Conheça o CALIX Demand

Precisa melhorar a acurácia da previsão de demanda dos seus produtos? Conheça o Calix, nossa IA para previsões mais assertivas e estratégicas que aumenta em até 30% a acuracidade.

Conheça o CALIX Demand