{"id":15791,"date":"2021-05-03T14:05:00","date_gmt":"2021-05-03T21:05:00","guid":{"rendered":"https:\/\/thisfishstaging.local\/?post_type=blog&p=15791"},"modified":"2023-05-29T20:11:27","modified_gmt":"2023-05-30T03:11:27","slug":"roi-guide-managing-material-costs-in-seafood","status":"publish","type":"blog","link":"https:\/\/this.fish\/pt\/blog\/roi-guide-managing-material-costs-in-seafood\/","title":{"rendered":"Gest\u00e3o de custos de material em frutos do mar"},"content":{"rendered":"

H\u00e1 uma mega-tend\u00eancia que est\u00e1 a impulsionar a transforma\u00e7\u00e3o digital do sector dos produtos do mar mais do que qualquer outra coisa. Eu chamo-lhe o \u00edndice de peixe n' chips<\/em>: desde 1990, o pre\u00e7o relativo do peixe, de acordo com o \u00cdndice de Pre\u00e7os do Peixe da FAO, aumentou 60% enquanto que o pre\u00e7o relativo dos semicondutores, ou \"chips\", diminuiu 45%. \u00c9 mais vi\u00e1vel do que nunca utilizar tecnologia para rastrear a mat\u00e9ria-prima no processamento de frutos do mar.<\/p>\n\n\n\n

De facto, a mat\u00e9ria-prima pode custar at\u00e9 75% do custo total de produ\u00e7\u00e3o, mais alto do que qualquer outro insumo. \u00c9 por isso que os processadores de frutos do mar controlam fanaticamente os seus rendimentos ou taxas de recupera\u00e7\u00e3o, a percentagem de mat\u00e9ria-prima que acaba no produto final. Os res\u00edduos podem ter um impacto significativo nos seus resultados.<\/p>\n\n\n\n

O m\u00e9todo de produ\u00e7\u00e3o japon\u00eas conhecido como \"lean manufacturing\" \u00e9 obcecado pela elimina\u00e7\u00e3o de sete tipos de res\u00edduos ou muda<\/em> (\u7121\u99c4). A Toyota foi pioneira neste m\u00e9todo que tem sido agora amplamente adaptado em muitas ind\u00fastrias. Assim, vejamos como o fabrico de magros se aplica ao processamento de frutos do mar.<\/p>\n\n\n\n

Planeamento<\/h4>\n\n\n\n

Um planeamento de produ\u00e7\u00e3o deficiente pode bloquear o desperd\u00edcio mesmo antes de um \u00fanico peixe ser cortado. Como? Primeiro, a mat\u00e9ria-prima pode ser desajustada \u00e0s especifica\u00e7\u00f5es do produto final. Se n\u00e3o se cumprirem os requisitos m\u00ednimos de um cliente, poder\u00e1 ocorrer uma devolu\u00e7\u00e3o dispendiosa. Por outro lado, exceder os requisitos de um cliente tamb\u00e9m pode ser um desperd\u00edcio. Um exemplo \u00e9 a utiliza\u00e7\u00e3o de peixe de qualidade superior num hamb\u00farguer, quando uma qualidade secund\u00e1ria o faria. Essencialmente, est\u00e1-se a desperdi\u00e7ar mat\u00e9ria-prima cara num produto de baixo pre\u00e7o.<\/p>\n\n\n\n

Um simples erro, tal como escrever acidentalmente o c\u00f3digo de lote errado, tamb\u00e9m pode ser incrivelmente dispendioso. De facto, se um erro n\u00e3o for apanhado cedo, o custo cresce exponencialmente em cada fase da produ\u00e7\u00e3o. Imagine se a mat\u00e9ria-prima errada for acidentalmente especificada no planeamento e o produto for produzido e enviado, apenas para ser devolvido por um cliente insatisfeito. O custo \u00e9 exponencialmente mais elevado do que se o erro fosse apanhado e corrigido quando o peixe era apanhado no frio ou mesmo em produ\u00e7\u00e3o.<\/p>\n\n\n\n

Um terceiro desafio de planeamento \u00e9 prever com precis\u00e3o quanta mat\u00e9ria prima \u00e9 necess\u00e1ria para preencher uma encomenda. Os processadores precisam de manter estimativas de rendimento actualizadas, o que pode ser um desafio dado o n\u00famero de vari\u00e1veis que podem ter impacto nas taxas de recupera\u00e7\u00e3o, tais como tamanho do peixe, dura\u00e7\u00e3o do armazenamento a frio, qualidade, tipo de produto, e assim por diante. Estimativas inexactas do rendimento resultam em sobreprodu\u00e7\u00e3o ou subprodu\u00e7\u00e3o.<\/p>\n\n\n\n

Produ\u00e7\u00e3o<\/h4>\n\n\n\n

Processos de produ\u00e7\u00e3o irregulares e sobrecarregados causam desperd\u00edcio. Os japoneses chamam a isto mura<\/em> (desn\u00edveis) e mira<\/em> (sobrecarga). Os trabalhadores apressados cometem erros que causam problemas de qualidade.<\/p>\n\n\n\n

Por exemplo, os filetes podem ter rendimentos mais baixos \u00e0 medida que aceleram o corte do peixe. Um supervisor stressado pode acidentalmente cozer demasiado atum numa f\u00e1brica de conservas, causando o colapso dos rendimentos. Desvios mais elevados nos rendimentos de impacto de controlo de por\u00e7\u00f5es tamb\u00e9m. Os estrangulamentos podem causar atrasos e degrada\u00e7\u00e3o do produto. Rotulagem incorrecta - desde datas e c\u00f3digos de lote at\u00e9 tabelas nutricionais - pode desencadear devolu\u00e7\u00f5es ou mesmo recolhas de produtos por parte dos clientes. Todos estes problemas fazem aumentar os custos de material.<\/p>\n\n\n\n

Mesmo quando tudo corre bem na produ\u00e7\u00e3o, as coisas ainda podem correr mal na expedi\u00e7\u00e3o. Falei com um processador do Alasca que descobriu que os seus trabalhadores estavam a encher acidentalmente os contentores de transporte em excesso em 10%, resultando num preju\u00edzo de $US 500.000 por ano para a empresa. Colocar acidentalmente uma palete errada num contentor de transporte mar\u00edtimo pode criar problemas de conformidade nas fronteiras, resultando em atrasos ou mesmo rejei\u00e7\u00f5es por parte dos funcion\u00e1rios aduaneiros.<\/p>\n\n\n\n

Controlo de Qualidade<\/h4>\n\n\n\n

O controlo de qualidade (QC) \u00e9 tipicamente utilizado para apanhar erros dispendiosos e n\u00e3o conformidade. Contudo, o pr\u00f3prio controlo de qualidade pode estar sujeito a erros, uma vez que muitos dados s\u00e3o copiados de formul\u00e1rios em papel e os erros podem acontecer com c\u00e1lculos manuais. Os relat\u00f3rios de CQ s\u00e3o frequentemente compilados no final do dia, o que significa que o mau desempenho nem sempre \u00e9 assinalado em tempo real. \u00c9 apenas quando as coisas est\u00e3o muito m\u00e1s que as ac\u00e7\u00f5es correctivas s\u00e3o desencadeadas.<\/p>\n\n\n\n

Automa\u00e7\u00e3o e Visualiza\u00e7\u00e3o<\/h4>\n\n\n\n

Ent\u00e3o, como pode o software ajudar? Na produ\u00e7\u00e3o japonesa lean, existem dois m\u00e9todos para prevenir ou detectar erros: automa\u00e7\u00e3o (jidoka<\/em>) e visualiza\u00e7\u00e3o (andon<\/em>). A digitaliza\u00e7\u00e3o pode desempenhar aqui um papel fundamental.<\/p>\n\n\n\n

Primeiro, vejamos a automatiza\u00e7\u00e3o. O software pode automatizar a recolha, partilha e comunica\u00e7\u00e3o de dados, reduzindo o risco de erros. Num sistema baseado em papel, os dados s\u00e3o frequentemente copiados de um formul\u00e1rio para o outro no processo de produ\u00e7\u00e3o. Esses dados s\u00e3o ent\u00e3o copiados para folhas de c\u00e1lculo Excel para relat\u00f3rios ou para sistemas ERP. O software permite que os dados fluam automaticamente de utilizador para utilizador, e as integra\u00e7\u00f5es com outro software podem automatizar a partilha de dados e a elabora\u00e7\u00e3o de relat\u00f3rios. <\/p>\n\n\n\n

No entanto, nem tudo pode ser automatizado, que \u00e9 onde andon<\/em> ou um sistema de feedback visual entra em jogo. Com software, os dados podem ser apresentados em pain\u00e9is de controlo em tempo real, em relat\u00f3rios e nos ecr\u00e3s dos utilizadores. A palavra andon<\/em> (\u884c\u706f) significa de facto lanterna de papel em japon\u00eas, significando um alerta visual quando surgem problemas. Por exemplo, o software pode ser programado para emitir um alerta visual quando uma temperatura cai fora de um intervalo m\u00e1ximo e m\u00ednimo. Entradas de dados incompletas ou duplicadas podem desencadear um aviso instant\u00e2neo num ecr\u00e3.<\/p>\n\n\n\n

Os japoneses chamam a isto poka-yoke<\/em> (\u30dd\u30ab\u30e8\u30b1) que significa \"\u00e0 prova de erros\" ou literalmente - evitar (yokeru) erros inadvertidos (poka). Quando ocorrem erros ou n\u00e3o conformidade, estes s\u00e3o imediatamente visualizados para o operador, mas tamb\u00e9m para todas as outras pessoas que utilizam o software. Se uma pessoa n\u00e3o apanhar um erro, ent\u00e3o outra apanhar\u00e1. E quanto mais cedo um erro for apanhado e corrigido, menos caro ser\u00e1.<\/p>\n\n\n\n

Devido \u00e0 viabilidade natural do peixe, pode ser dif\u00edcil para os processadores de frutos do mar prever a qualidade e os resultados da produ\u00e7\u00e3o, tais como o rendimento. \u00c9 a\u00ed que a intelig\u00eancia artificial (IA) pode revelar um valor significativo para os processadores de frutos do mar no futuro. A aprendizagem mec\u00e2nica \u00e9 um tipo de IA em que o software aprende com a experi\u00eancia passada para prever o futuro. Na ThisFish, j\u00e1 cri\u00e1mos um modelo de previs\u00e3o de rendimento para uma f\u00e1brica de conservas de atum tailandesa que pode prever com precis\u00e3o o que deve ser o rendimento. Permite aos gestores controlar melhor o seu desempenho, assegurando que est\u00e3o a fazer tudo o que podem para maximizar a rentabilidade.<\/p>\n\n\n\n

De acordo com o relat\u00f3rio Devolu\u00e7\u00f5es Rastre\u00e1veis<\/a> por Planet Tracker, os processadores de frutos do mar t\u00eam em m\u00e9dia apenas 3,4% de margem de lucro antes de juros e impostos. A Planet Tracker estima que as margens de lucro poderiam duplicar com o aumento dos investimentos em tecnologia de rastreabilidade. Embora a rastreabilidade seja frequentemente promovida pelas ONG para provar a proveni\u00eancia dos alimentos, \u00e9 tamb\u00e9m fundamental para gerir os custos de material, o que, por sua vez, \u00e9 fundamental para melhorar a rentabilidade.<\/p>","protected":false},"excerpt":{"rendered":"

Uma mega-tend\u00eancia que parece ser um factor-chave para a transforma\u00e7\u00e3o digital: o pre\u00e7o relativo do peixe que subiu, enquanto que os chips (de computador) desceram.<\/p>","protected":false},"author":2,"featured_media":12856,"parent":0,"template":"","categories":[8],"class_list":["post-15791","blog","type-blog","status-publish","has-post-thumbnail","hentry","category-roi-guide"],"acf":[],"_links":{"self":[{"href":"https:\/\/this.fish\/pt\/wp-json\/wp\/v2\/blog\/15791","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/this.fish\/pt\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/this.fish\/pt\/wp-json\/wp\/v2\/types\/blog"}],"author":[{"embeddable":true,"href":"https:\/\/this.fish\/pt\/wp-json\/wp\/v2\/users\/2"}],"version-history":[{"count":0,"href":"https:\/\/this.fish\/pt\/wp-json\/wp\/v2\/blog\/15791\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/this.fish\/pt\/wp-json\/wp\/v2\/media\/12856"}],"wp:attachment":[{"href":"https:\/\/this.fish\/pt\/wp-json\/wp\/v2\/media?parent=15791"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/this.fish\/pt\/wp-json\/wp\/v2\/categories?post=15791"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}