Estrutura de Otimização da Cadeia de Abastecimento Global da Farfetch

FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO
Es u u a de O imização da Cadeia de
Abas ecimen o Global da Fa e ch
Diogo João da Cos a Fe nandes
Mes ado In eg ado em Engenha ia Ele o écnica e de Compu ado es
O ien ado : Ped o Alexand e Rod igues João
Co-o ien ado : An ónio Almeida e Ped o Bo ges
24 de Julho de 2018
c
Diogo João da Cos a Fe nandes, 2018
Resumo
AFa e ch, uma emp esa de e alho online pa a a moda de luxo, lida dia iamen e com milha es
de encomendas indas de odo o mundo. O seu modelo de negócio assen a em ês g andes pila es:
o seu po al, os seus clien es e os seus pa cei os. Uma das suas maio es pa icula idades é o
ac o de não possui qualque s ock de a igos que se encon am pa a enda na pla a o ma online
Fa e ch.com, o que implica a exis ência de pa cei os espalhados pelo mundo que assegu em a
ges ão de odos os p odu os e o cump imen o dos pedidos diá ios dos clien es.
Semp e que um no o pedido é con i mado pelo clien e no po al, uma das p incipais a e as da
emp esa, execu ada a a és do se iço de o eamen o, é iniciada e consis e na escolha do melho
s ock poin pa a expedição da encomenda, uma e apa cha e e ao mesmo empo c í ica na sua
es a égia de c escimen o que necessi a de se explo ada.
O p esen e p oje o isa desen ol e uma es u u a pa a a cadeia de abas ecimen o da Fa e ch
capaz de a alia a alocação de pa cei os ealizada no passado segundo a de inição de uma unção
obje i o compos a po ês di e en es c i é ios: luc o, minimizando os cus os po pedido, pa cei os,
ga an indo o seu c escimen o e clien es, assegu ando a sua sa is ação. É impo an e pe cebe quais
as limi ações a uais e opo unidades de melho ia que a emp esa pode supo a , quais as a iá eis
a modela no âmbi o dos ês c i é ios mencionados, como a alia o impac o que esses c i é ios
azem e como olha pa a o u u o endo em con a esse impac o.
A es u u a implemen ada oi concebida como um conjun o de blocos in e ligados com o in-
ui o de alcança o melho ade-o en e os c i é ios. Fo am eles: modelação, simulação, a ali-
ação, o imização e alidação. Na modelação o am es udadas as a iá eis a conside a em cada
pe spe i a e a o ma como se elaciona iam. Pa a a isão de luc o o am analisados cus os de
anspo e, comissões e geoma gin, pa a pa cei os, as endas o ais semanais e o peso das endas
ealizadas a pa i do po al e pa a clien es, o empo de en ega de uma encomenda. A simulação
seguiu a modelação e e uada e acedeu a dados eais a pa i da base de dados, mais especi icamen e
ao his ó ico de encomendas pa a um dia, pa a calcula as mé icas e e idas.
A a aliação oi ealizada com base nos esul ados da simulação e conc e izada em es a ís icas
de modo a pe cebe se os alo es desejá eis pa a cada pe spe i a o am, ou não, a ingidos. Como
o ma de melho a a espos a dada pela a aliação, a o imização seguiu uma abo dagem mui o es-
pecí ica, uma ede neu onal eed o wa d mul i-camada, com o in ui o de eina os dados ecebidos
da simulação po backp opaga ion e, assim, a ingi a solução ó ima, as ponde ações ideais pa a
cada c i é io. A solução ó ima é pos a à p o a na úl ima e apa, a alidação, que ol a a simula
dados e a e i ica se os a ge s em cada c i é io o am ap oximados.
Os esul ados da simulação e ela am alguma di e ença ace aos a ge s es abelecidos, o que
e a de espe a . Com a aplicação da me odologia de o imização, os esul ados o na am-se mais
sa is a ó ios uma ez que a solução ó ima ob ida p o ou ap oxima duas das ês pe spe i as dos
espe i os a ge s.
i
ii
Abs ac
Fa e ch, an online e aile o luxu y ashion, deals daily wi h housands o o de s om a ound
he wo ld. I s business model is based on h ee main pilla s: i s po al, i s cus ome s, and i s
pa ne s. One o i s majo pa icula i ies is he ac ha i does no has s ock, which implies
he exis ence o pa ne s a ound he wo ld o assu e he managemen o all he p oduc s and he
ul illmen o daily eques s.
Whene e a clien places an o de in he po al, one o he main asks o he company, execu ed
h ough he ou ing se ice, consis s on choosing he bes s ock poin o shipping he o de , a key
s ep and, a he same ime, c i ical in i s g ow h s a egy ha needs o be explo ed.
The cu en p ojec aims o de elop a amewo k o Fa e ch’s supply chain capable o e alua-
ing he alloca ion o pa ne s made in he pas acco ding o he de ini ion o an objec i e unc ion
composed o h ee di e en c i e ia: p o i , minimizing cos s pe o de , pa ne s, ensu ing hei
g ow h, and cus ome s, ensu ing hei sa is ac ion. Is impo an o unde s and he cu en limi a-
ions and oppo uni ies o imp o emen ha he company can suppo , which a e he a iables o
model in he con ex o he h ee pe spec i es men ioned, how o e alua e he impac ha hese
c i e ia b ing and how o look o he u u e aking in o accoun his impac .
The implemen ed amewo k was concei ed as a se o in e connec ed blocks in o de o achi-
e e he bes ade-o be ween he c i e ia. They we e: modeling, simula ion, e alua ion, op imi-
za ion and alida ion. In he modeling was s udied he a iables conside ed in each pe spec i e
and how hey would ela e. The implemen ed amewo k was concei ed as a se o in e connec ed
blocks in o de o achie e he bes ade-o be ween he pe spec i es. Fo he p o i ision we e
analyzed shipping cos s, commissions, and geoma gin, in he pa ne s’ pe spec i e we e s udied
he o al weekly sales and he weigh o sales made om he po al, and o cus ome s he a iable
analyzed was he deli e y ime o an o de . The simula ion ollowed he modeling and accesses
eal da a om he da abase, mo e speci ically o he o de his o y o a day, o calcula e he me ics
e e ed.
The e alua ion pe o med is based on simula ion esul s and ma e ialized on s a is ics in o de
o see i he desi ed alues o each pe spec i e we e o no eached. As a way o imp o e he
esponse gi en by he e alua ion, he op imiza ion ollowed a e y speci ic app oach, a mul ilaye
eed o wa d neu al ne wo k, o ain he da a ecei ed om he simula ion by backp opaga ion and,
hus, o each he op imum solu ion, he ideal weigh s o each c i e ia. The op imum solu ion is
es ed in he las s ep, he alida ion, which simula es da a again and o e i y ha he a ge s in
each c i e ia ha e been app oxima ed.
The simula ion esul s e ealed some di e ences om he es ablished a ge s, which was ex-
pec ed. Wi h he applica ion o he op imiza ion me hodology, he esul s became mo e sa is ac-
o y since he op imal solu ion ob ained app oxima ed wo o he h ee pe spec i es o he espec-
i e a ge s.
iii

i
Ag adecimen os
Dize ob igado, às ezes, não é su icien e pa a ag adece ges os de pessoas que, nos momen os
mais ma can es da nossa ida, es i e am semp e p esen es e nos ajuda am da o ma que melho
sabiam. O inaliza de um cu so de 5 anos é, sem dú ida, um desses momen os e que me ece o
meu p o undo ag adecimen o às pessoas que acompanha am de pe o es e meu pe cu so.
Em p imei o luga , e po que sem eles eu não e ia alcançado es a e apa, ag adeço aos meus
pais pelo g ande apoio nos bons e maus momen os, incen i o diá io, comp eensão e paciência
manis es ados ao longo da minha caminhada enquan o es udan e. A oda a minha amília pela
cons an e p eocupação e ansmissão de boas ene gias.
A odos os meus companhei os que pe co e am es e caminho comigo, ob igado pela ossa de-
dicação em cada p oje o ealizado, pela en e-ajuda, pela mo i ação e pelos momen os di e idos
que semp e aziam al a.
Um ag adecimen o especial à Filipa Nunes, pa cei a de es ágio nes es úl imos meses na Fa -
e ch, pela companhia, pela simpa ia, pela ajuda, pela pa ilha e po me aze e semp e o lado
posi i o da ida, mesmo quando nem udo co ia bem.
Ao Engenhei o Ped o João, o o ien ado des a disse ação, pelos conselhos, p eocupação e
disponibilidade demons adas ao longo da ealização des e p oje o.
Gos a ia de ag adece à Fa e ch pela an ás ica opo unidade que me oi dada em ealiza
es e p oje o e a odas as pessoas com quem i e o p i ilégio de me c uza dia após dia e que se
e ela am essenciais, que pa a a in eg ação na emp esa, como pa a o desen ol imen o do p oje o.
É ine i á el não des aca algumas pessoas. Síl ia Rocha, um ob igado pela simpa ia, ca inho e,
sob e udo, pela p ecoupação ace ca da e olução do p oje o. Ped o Bo ges, ob igado pelo in e esse
demons ado no p oje o, pelas conselhos e opiniões semp e impo an es. E ao An ónio Almeida,
um gigan e ob igado pelo acompanhamen o pe manen e, pelas ideias ansmi idas, pelo cons an e
incen i o e eedback e pela simpa ia. Foi uma eno me p aze e - os conhecido e e abalhado
con osco. Ob igado po udo.
Diogo João da Cos a Fe nandes
i
“Ped as no caminho? Eu gua do odas.
Um dia ou cons ui um cas elo.”
Fe nando Pessoa
ii
xi LISTA DE TABELAS

Ab e ia u as e Símbolos
1PL P imei o g au de e cei ização de a i idades logís icas
2PL Segundo g au de e cei ização de a i idades logís icas
3PL Logís ica subcon a ada
4PL Logís ica qua ei izada
4PLROP P oblema de o imização de o eamen o na qua a camada logís ica
AIMMS Sis ema de modelação mul idimensional in e a i o a ançado
AHP P ocesso de hie a quia analí ica
ANN Rede neu onal a i icial
B2B Negócio pa a negócio
B2C Negócio pa a clien e
bw La gu a de banda
C2C Clien e pa a clien e
DCC Cen o de dis ibuição
DDP Taxas de en ega pagas
DDU Taxas de en ega não pagas
DM Deciso es
FMOM Modelo di uso mul i-obje i o
FNIS Solução ideal di usa nega i a
FPIS Solução ideal di usa posi i a
HMCR Taxa de conside ação de memó ia de ha monia
HMS Tamanho da memó ia de ha monia
HS Pesquisa de ha monia
KBGA Algo i mo gené ico baseado no conhecimen o
KBC C uzamen o baseado no conhecimen o
KBI Inicialização baseada no conhecimen o
KBS Seleção baseada no conhecimen o
LINGO So wa e de modelação pa a p og amação linea , não linea e in ei a
MCAL Ní eis de aspi ação de múl ipla escolha
x
x i ABREVIATURAS E SÍMBOLOS
MCDM Tomada de decisão de múl iplos c i é ios
MCGP P og amação de me as de múl ipla escolha
MILP P og amação linea in ei a mis a
MOP P og amação mul i-obje i o
NPS Pon uação líquida do p omo o
OMS Se iço de ges ão de encomendas
PAR Taxa de ajus e de inclinação
TOPSIS Técnicas pa a p e e ência de pedidos po semelhança com a solução ideal
SC Cadeia de abas ecimen o
SCN Rede da cadeia de abas ecimen o
SGA Algo i mo gené ico simples
SPM Modelo de p og amação es ocás ico
STORM Ges ão de o dens de in en á io
TPV Valo o al de aquisição
TSP P oblema de endedo ambulan e
UPM Modelo de p og amação ince o
Capí ulo 1
In odução
A p esen e disse ação oi desen ol ida no âmbi o do Mes ado In eg ado em Engenha ia Elec-
o écnica e de Compu ado es da Faculdade de Engenha ia da Uni e sidade do Po o.
O p oje o desc i o oi desen ol ido em ambien e emp esa ial, na Fa e ch, em Leça do Balio,
no pe íodo de ce ca de 4 meses e meio, com início a 5 de Fe e ei o de 2018 e im a 15 de Junho
de 2018, com supe isão do EngoAn ónio Almeida, a ual Senio P oduc Owne .
1.1 Ap esen ação da Emp esa
AFa e ch é uma pla a o ma e-comme ce pa a a moda de luxo que su ge do espí i o isioná io
de um emp eendedo po uguês, José Ne es, que inha duas emp esas de se o es dis in os: uma
de p og amação e ou a de calçado. Desde cedo se dedica ao mundo da moda, desde a década
de 90, quando lançou a ma ca de sapa os SWEAR. Mais a de, c iou a B S o e, uma emp esa de
moda com uma loja ísica com ma cas jo ens e designe s eme gen es. Foi du an e a p omoção da
B S o e na semana da moda em Pa is, em Ou ub o de 2007, que udo começou.
Já com á ias s a ups no seu cu ículo, José Ne es pe cebeu que não conseguia ende os
seus p odu os po que as endas nas lojas ísicas es a am a es agna ao passo que o comé cio
online dispa a a. Foi nesse momen o que su giu a opo unidade de c ia um ma ke place, uma
junção de lojas online, que lhe pe mi ia e um negócio à escala mundial ao mesmo empo que
ajuda a as lojas com quem abalha a a ende mais. A ideia e a pe mi i que pequenas lojas
independen es pudessem compe i no me cado man endo as suas lojas ísicas, mas c iando uma
iden idade p óp ia.
Um ano depois, em 2008, nasce a Fa e ch. O concei o e a apa en emen e simples: a a a-se
de c ia uma pon e online en e consumido es e lojas, independen emen e da sua localização. Po
exemplo, um clien e em Lisboa pode ia comp a uma peça de luxo em Hong Kong e ecebe a sua
encomenda em casa. A Fa e ch a a ia de odo o p ocesso.
No pe íodo de 2010 a 2017 o am oi o, no o al, as ondas de in es imen o na Fa e ch. Em
Julho de 2010, oi ealizado um in es imen o de $4.5M pela Ad en Ven u e Pa ne s. Ce ca de
dois anos depois, em Janei o de 2012, oi a ez de ês ou os in es ido es di igidos pela Index
1
2In odução
Ven u es in es i em ce ca de $18M. Menos de 1 ano depois, em Ma ço de 2013, o núme o de
in es ido es c escia, bem como o alo do in es imen o ealizado. Nesse ano, o am qua o os
in es ido es, en e eles a Condé Nas , num alo o al de $20M. No ano seguin e, em Maio, a
Vi u ian Pa ne s jun amen e com mais 7 in es ido es decidi am ambém apos a na Fa e ch,
in es indo $66M.
A emp esa con inua a a c esce , os in es imen os a su gi e o ano de 2015 não oi exceção,
com um in es imen o o al de $86M ealizado po 8 in es ido es lide ados pela DST Global. 2016
oi ambém um ano de bas an e in es imen o nes a pla a o ma, com a Eu azeo e a IDG Capi al
Pa ne em conjun o com mais 6 in es ido es a aplica um inanciamen o de $110M. Mas como
o melho ica semp e gua dado pa a o im, 2017 i ia a ba e odos os eco des ao egis a um
in es imen o de $397M indo de um único in es ido , a JD.com.
No o al, o am já in es idos $721.5M nes a emp esa no pe íodo de 7 anos.
A ualmen e, a Fa e ch en ia p odu os de moda de mais de 750 designe s e lojas pa cei as da
pla a o ma pa a mais de 170 países. As maio es endas da Fa e ch êm de ma cas de luxo como
aValen ino,Sain Lau en ,Gi enchy eGucci, mas designe s eme gen es e menos conhecidos são
a cha e di e enciado a da emp esa.
Além do po al, a Fa e ch disponibiliza ambém uma app compa í el com and oid eiphone
que pe mi e aos consumido es comp a em peças de luxo a a és do seu sma phone, bem como
acede a guias de iagens pa a algumas das cidades mais cosmopoli as do mundo, como No a
Io que, Pa is e Los Angeles.
A pla a o ma de comé cio online em esc i ó ios em Lond es, Po o, Guima ães, Lisboa, No a
Io que, Los Angeles, São Paulo, Tóquio, Hong Kong, Shanghai e Mosco o, com uma equipa de
quase 1500 colabo ado es. Embo a a sede se localize em Lond es, é em Leça do Balio, na Lionesa,
que es á oda a equipa de desen ol imen o, se iços inancei os, bem como a pa e de a endimen o
ao clien e. Todas as peças disponí eis na pla a o ma são o og a adas e ca alogadas nou o edi ício
da emp esa si uado em Guima ães.
No que ao esc i ó io do Po o diz espei o, es á a ualmen e di idido em onze depa amen os
p incipais: Ope ações, Ges ão de con a, Tecnologia, Finanças, Se iço ao clien e, Se iço ao
pa cei o, Recu sos humanos e P odu o.
No campo da ino ação e da consolidação da sua es a égia de c escimen o, a emp esa lançou
e implemen ou a ideia denominada de S o e oo Doo in 90 minu es que pe mi e comp a peças da
Gucci a a és da pla a o ma FF.com e ambém a pa i da aplicação mó el, assim como ecebe
esses pedidos em casa em apenas 90 minu os, p o enien es de lojas da ma ca em Lond es, No a
Io que, Dubai, Los Angeles, Mad id, Milão, Pa is, São Paulo, Miami e Tóquio.
Nes e seguimen o, p epa a-se pa a lança a S o e o he u u e, uma loja ísica ocada na pe -
sonalização da comp a com base na ecolha de dados sob e os clien es, uma mis u a de ecnologia
e expe iência em loja. Lond es e No a Io que se ão os pionei os no sen ido em que a ecnolo-
gia u ilizada na S o e o he u u e se á implemen ada na loja da B owns, em Lond es e na Thom
B owne, em No a Io que.
1.2 Mo i ação e Obje i os do P oje o 3
A emp esa segue alo es que conside a essenciais pa a o seu espí i o ino ado : se humano,
se b ilhan e, odos jun os, se e olucioná io, pensamen o global e su p eende os clien es no dia
a dia.
1.2 Mo i ação e Obje i os do P oje o
AFa e ch ge e ce ca de 6000 pedidos po dia, com pa cei os e clien es dis ibuídos po odo
o mundo. Pa a um de e minado i em comp ado online, pode exis i mais do que um o necedo
capaz de a ende esse pedido, localizado numa pa e exclusi a do mundo com de e minadas espe-
ci icações. Um mesmo a igo pode e di e en es p eços de enda em di e en es lojas, sendo es a
oscilação de p eços en e pa cei os um a o de ex ema impo ância no momen o de decidi um
pa cei o em de imen o de ou o.
Po an o, iden i ica o o necedo adequado, de en e um conjun o de pa cei os, capaz de cum-
p i cada encomenda online é conside ada uma a e a c í ica, cha e e necessá ia a se execu ada
pa a o c escimen o sus en á el da emp esa com p incípios bem de inidos no âmbi o de ês impo -
an es pe spe i as:
•Luc o: Minimização dos cus os, le ando em conside ação o alo e odos os cus os di e os
e indi e os en ol idos na sa is ação da encomenda;
•Pa cei os: Ga an i um sis ema democ á ico pa a alocação de o dens, capaz de apoia o
c escimen o dos pa cei os;
•Clien e: Maximização dos ní eis de a endimen o.
Sendo a Fa e ch uma pla a o ma que se limi a a ge i a logís ica de enda online, não endo
qualque s ock mas sim múl iplos pon os de s ock pelo mundo pa a expedição de p odu os, é
na u al que possua cus os e p eços de anspo e mais ele ados quando compa ados com os dos
seus conco en es de negócio que êm a mazéns e s ock pa a pude em expedi de imedia o as
encomendas.
Nesse sen ido, os p incipais obje i os pa a es e p oje o são os seguin es:
•Re isão de li e a u a pa a comp eensão e a aliação de assun os ele an es em o no do p o-
je o: análise de es udos ealizados em cadeias de abas ecimen o inse idas em di e sas in-
dús ias no que diz espei o a mé odos e modelos implemen ados pa a a sua o imização;
•Analisa e comp eende bene ícios e limi ações das me odologias exis en es na Fa e ch no
âmbi o de p odu o pa a alocação de pa cei os: iden i ica opo unidades de melho ia;
•P oje a uma es u u a capaz de a alia alocações passadas de pa cei os de aco do com a
de inição de uma unção obje i o que englobe as ês pe spe i as delineadas, assegu ando
lexibilidade, con iabilidade e as eabilidade;
•Desen ol e um p o ó ipo pa a a aliação do modelo: Análise As-Is s To-Be.

4In odução
T a a-se de um p oblema de o imização mul i- a iá el e mul i-obje i o pa a maximização da
pe o mance logís ica da Fa e ch e diminuição do empo de colocação em li e.
1.3 Me odologia
Conside ando os obje i os expos os e delineados na subsecção 1.2, a me odologia implemen-
ada na abo dagem ao p oje o oi igo osamen e planeada a a és de um conjun o de a e as e
espe i a p e isão pa a a sua du ação, endo em con a o empo o al disponí el, como mos a a
abela 1.1. Semp e que uma a e a e a iniciada e e minada, as da as espe i as e am egis adas,
assim como se o p azo pa a a sua execução oi, ou não, cump ido. A e olução das a e as neces-
sá ias à ealização do p oje o pode, ambém, se isualizada g a icamen e a a és de um diag ama
de gan , expos o no anexo A.
A a e a inicial, a ealização de um p og ama de indução, oco eu nas duas p imei as semanas
e consis iu em ganha conhecimen o ace ca do modelo de negócio da emp esa, con e sando e
eunindo com di e sas pessoas de di e en es depa amen os, pe cebendo como in e agem e quais
as suas unções, acili ando assim a in eg ação na emp esa.
Seguiu-se o es ado da a e, uma a e a de pesquisa e es udo ace ca daquilo que já exis e no
me cado no âmbi o do p oje o a desen ol e e que ajuda na seleção da melho abo dagem a segui .
Realizadas as duas p imei as a e as, o oco passa a incidi o almen e no p oje o, começando
pela iden i icação do p oblema e de inição dos obje i os a a ingi , pa a depois se a ança pa a a
p óxima a e a, pe cebe em que pon o se encon a a emp esa no con ex o em que amos abalha .
As qua o a e as seguin es são as mais complexas e que eque em mais empo, inse indo-se
na es u u a a desen ol e de aco do com a es a égia da Fa e ch, eco endo-se pa a isso a um
edi o de ex o, o A om e à linguagem py hon.
As úl ima a e a, a esc i a da disse ação, oco eu simul aneamen e com o deco e das a e as
mencionadas an e io men e.
1.4 Es u u a da Disse ação
Pa a além da in odução, a p esen e disse ação es á o ganizada em qua o capí ulos dis in os.
No capí ulo 2é desc i o o es ado da a e, começando pela ap esen ação de alguns concei os
ú eis e impo an es no âmbi o de qualque cadeia de abas ecimen o, pa a depois se abo dada a
ques ão da o imização, o oco p incipal des a disse ação, e e indo e e endo á ias me odologias
aplicadas em di e en es con ex os consoan e os obje i os p e endidos.
No capí ulo 3é ap esen ada uma isão ge al do modelo de negócio da Fa e ch, incidindo
sob e as en idades c uciais en ol idas na sua cadeia de abas ecimen o. Pos o is o, en a-se no
domínio de p odu o, nomeadamen e na o ma como es á a iculado e como unciona ao ní el do
p ocessamen o de um pedido, com des aque pa a a seleção de pa cei os na sa is ação de uma
encomenda. As limi ações do seu uncionamen o a ual são ambém abo dadas.
1.4 Es u u a da Disse ação 5
Tabela 1.1: Diag ama de a e as
Ta e a
Du ação
p e is a
(dias)
Da a de início Da a de
é mino
Realizada na
du ação
p e is a?
P og ama de indução 10 5 de Fe e ei o 16 de Fe e ei o Sim
Es ado da a e 20 12 de Fe e ei o 2 de Ma ço Sim
De inição dos
obje i os do p oje o 5 19 de Fe e ei o 23 de Fe e ei o Sim
Si uação a ual da
emp esa no âmbi o do
p oje o
10 26 de Fe e ei o 9 de Ma ço Sim
Modelação do
p oblema 10 12 de Ma ço 23 de Ma ço Sim
Recolha e a amen o
de dados 5 26 de Ma ço 30 de Ma ço Sim
Realização da
simulação 20 2 de Ab il 30 de Ab il Sim
Mé odo P edi i o 25 30 de Ab il 1 de Junho Sim
Esc i a da disse ação 25 12 de Fe e ei o 11 de Junho Sim
No capí ulo 4é desc i a a solução p opos a pa a o p oblema inicialmen e iden i icado e es á
di idido em 5 g andes e apas: modelação, simulação, a aliação, o imização e alidação. Na mo-
delação são explicadas as mé icas conside adas e a o ma como se elacionam, pa a de seguida
se em simuladas eco endo ao his ó ico de encomendas. A a aliação compa a esul ados que de-
pois são u ilizados no mé odo p edi i o. Po im, e u ilizando a solução ó ima ob ida, é simulada
a hipó ese de inida pa a comp o a melho ias nos esul ados.
No capí ulo 5são ei as algumas conside ações e ealces ace ca do p oje o, são discu idos os
esul ados ob idos e são suge idos alguns a anços e abalhos u u os consoan e o que oi su gindo
ao longo do p oje o.
6In odução
Capí ulo 2
Es ado da A e
2.1 In odução
Nes e capí ulo é ealizada uma e isão bibliog á ica de assun os ele an es como base de sus-
en ação à implemen ação do p oje o. Inicialmen e, na secção 2.2, são ap esen ados os se iços
e/ou camadas logís icas e a o ma como se in eg am na cadeia de abas ecimen o. Seguidamen e,
na secção 2.3, e idencia-se o concei o de e-comme ce e a sua elação com a cadeia de abas eci-
men o. Abo dados os concei os ge ais no âmbi o da cadeia, di eciona-se a a enção na secção 2.4 e
2.5 pa a a sua o imização no que diz espei o a mé odos e es a égias ado adas em casos p á icos.
2.2 Logís ica
Os se iços de logís ica, esponsá eis po ga an i a execução de odas as a i idades de uma
o ganização a a és da p omoção de ecu sos e in o mações, podem se classi icados em qua o
camadas in e - elacionadas: 1PL, 2PL, 3PL e 4PL, al como e idenciado na Figu a 2.1.
As emp esas são classi icadas como i s -pa y logis ics quando se mos am capazes de ge i
as suas a i idades sem a in e enção de e cei os dada a sua baixa complexidade. Quando a em-
p esa inicia um p ocesso de expansão, su ge o concei o de second-pa y logis ics que en ol e a
e cei ização de a i idades logís icas que an es e am execu adas den o da emp esa.
O concei o hi d-pa y logis ics e e e-se a quem e e i amen e ealiza as ope ações logís icas
da emp esa. Pode a ua em di e en es domínios, desde o anspo e e embalagem a é ao a ma-
zenamen o e con olo de s ock. Além disso, o 3PL pode igualmen e segui uma es a égia de
cus omização de aco do com as necessidades especí icas de cada clien e.
Na base da pi âmide es á o ou h-pa y logis ics, esponsá el po ge i e coo dena o 3PL,
um in eg ado da cadeia de abas ecimen o que desen ol e uma a i idade ampla em o no da sua
ges ão e não uma ope ação em pa icula como acon ece com os ou os se iços do se o logís ico
emp esa ial. Es e se iço acompanha odos os p ocessos, eúne e ge e ecu sos, capacidades e
ecnologia da sua p óp ia o ganização em conjun o com se iços complemen a es p es ados com
7
14 Es ado da A e
O p ocesso é epe ido a é se cump ido o c i é io de e minação de inido. Es e c i é io pode
se , po exemplo, núme o de ge ações.
Como esul ados da implemen ação des e algo i mo, de des aca a axa de con e gência, mais
ápida no algo i mo KBGA (144 ge ações) do que no algo i mo SGA (2000 ge ações). A isão
baseada no conhecimen o e elou-se undamen al pa a o sucesso do comp omisso da sa is ação
da p ocu a com a média mínima de cus o po p odu o.
T a a-se de uma isão di e en e mas com esul ados e icien es no âmbi o da esolução de
p oblemas combina ó ios.
2.4.3 Abo dagem Fuzzy
Go indan e al. (2017, [9]) ap esen ou um modelo mul i-obje i o di uso (FMOM) de o ma
a con igu a o p oje o de ede de uma cadeia de abas ecimen o pa a ecupe ação de p odu os, que
in eg a a seleção de o necedo es, alocação de luxo e decisões de anspo e. A abo dagem de
p og amação di usa oi ado ada pa a lida com a ince eza pe an e múl iplos obje i os.
O modelo in eg ado oi desen ol ido de aco do com uma es u u a conce ual cons i uída po
ês g andes passos:
1. P ocesso de a aliação de o necedo es eco endo a:
•Iden i icação de c i é ios pa a a seleção de o necedo es;
•Uso da análise a o ial pa a ex ação de um meno núme o de a o es in e p e á eis
signi ica i os;
•Uso da AHP pa a p io iza os o necedo es com base nos a o es.
2. Técnica k-means clus e ing:A mé ica da dis ância e máxima capacidade do meio de
anspo e disponí el são aplicadas pa a ag upa cen os de dis ibuição (DCC) em clus e s
ó imos.
3. Modelação e o mulação da ede nos seguin es obje i os di usos:
•Minimização do cus o líquido da ede: di e ença en e o soma ó io do cus o de
p ocessamen o, anspo e e comp a e o luc o o al;
•Maximização da pe o mance dos o necedo es: seleção de o necedo es com pesos
AHP mais al os;
•Minimização dos e ei os de anspo e: seleção adequada dos meios de anspo e
pa a dis ibuição ao longo das o as mais cu as de e minadas pelo p oblema de en-
dedo ambulan e (TSP).
A análise a o ial p ocu a c ia , num p oblema com mui as a iá eis, um conjun o de no as
a iá eis que não es ão co elacionadas, os chamados a o es. O a o es êm o obje i o de esumi

2.4 O imização da Cadeia de Abas ecimen o 15
as di e sas a iá eis num conjun o de meno es dimensões com pe da mínima de in o mação (Go-
indan e al., 2017, [9]). A base des a análise es á na ma iz que ep esen a a co elação en e as
a iá eis en ol idas e eque uma amos a signi ica i a.
Pa a lida com si uações subje i as e con li uosas, o mé odo AHP e elou-se o mais indicado
e com o p incipal p opósi o de p io iza o necedo es com base nos a o es p incipais e indepen-
den es mencionados acima. O mé odo oi aplicado de aco do com os seguin es passos:
1. A ma iz de compa ação é ge ada onde cada elemen o (i, j) ep esen a a compa ação en e
os c i é ios (i, j). O juízo subje i o é quan i icado usando uma escala de no e alo es,
começando pelo 1 (" ão impo an e como") a é ao 9 ("ex emamen e impo an e do que").
2. A ma iz mencionada no pon o an e io é p imei amen e no malizada e, de seguida, as p i-
o idades são calculadas como médias das linhas da ma iz no mal.
3. Cálculo do índice de consis ência e da azão de consis ência dos juízos. Uma ma iz com
uma azão de consis ência in e io a 0,1 é acei á el (Go indan e al., 2017, [9]).
A aplicação do algo i mo k-means clus e ing pe mi iu o ag upamen o de cen os de dis ibui-
ção em zonas e subzonas de luxo di e o e e o no, conside ando a sua p oximidade com ins ala-
ções de mon agem e a p oximidade en e si. As dis âncias o am calculadas eco endo à no ma
euclidiana.
O o denamen o dos cen os de dis ibuição ajuda a agiliza o luxo de anspo e onde cada
zona ecebe á meios de anspo e pa a mo imen o de p odu os.
Go indan e al. (2017, [9]) comp o ou igualmen e que num p oblema de p og amação mul i-
obje i o (MOP), o imiza simul aneamen e odos os obje i os di e gen es, como é o caso, sujei os
às es ições do sis ema, di icilmen e é possí el.
Pa a ga an i lexibilidade às ambições con adi ó ias dos deciso es no que aos obje i os do
modelo diz espei o, oi seguida a abo dagem de p og amação di usa pa a ajus a cla amen e o
g au de sa is ação de cada obje i o.
O algo i mo pa a esolução do p oblema FMOM seguiu os seguin es passos:
1. De e minação dos ní eis de aspi ação e ole ância pa a os obje i os di usos, esol endo os
p oblemas de cada obje i o de o ma independen e e, em seguida, ob e os seus alo es
o imis a e pessimis a;
2. De inição das membe ship unc ions linea es pa a cada obje i o di uso;
3. Os pesos são a ibuídos aos obje i os con o me a p e e ência dos deciso es e ep esen am a
sua impo ância ela i a;
4. Con e são do p oblema inicial num modelo mais simples em e mos de empo compu acio-
nal e lexibilidade;
16 Es ado da A e
Aabo dagem ponde ada max-min ajudou a encon a soluções e icien es pa a o p oblema
mul i-obje i o de modo a que a p opo ção dos ní eis de ealização dos obje i os e a p opo ção dos
espe i os pesos se ap oximassem o mais possí el.
Chen, Lin e Huang (2006, [2]) aplicou o alo linguís ico pa a medi as classi icações e os
pesos a ibuídos aos c i é ios de seleção de o necedo es, u ilizando um modelo MCDM baseado
na eo ia dos conjun os uzzy num caso p á ico de cadeia de abas ecimen o. O modelo e elou-se
apenas adequado pa a p oblemas single-sou cing em que um o necedo p esumi elmen e sa is a á
as necessidades do comp ado de al o ma que a decisão de e se omada sob e qual se á o melho
o necedo .
No caso de mul i-sou cing, nenhum o necedo pode sa is aze odos os equisi os do comp a-
do e, po an o, mais do que um o necedo pode se selecionado.
Du an e o p ocesso de seleção de o necedo es pa a a cadeia de abas ecimen o, que oco e
no início do luxo como e idenciado na Figu a 2.2, as emp esas con on am-se, ge almen e, com
um al o g au de ince eza e imp ecisão. A eo ia dos conjun os di usos é conside ado o mé odo
mais e icaz na ges ão de p oblemas com ince eza. Pa a con o na os p oblemas de mul i-sou cing,
su giu o desen ol imen o do modelo in eg ado uzzy TOPSIS e MCGP (Liao e Kao, 2011, [3]).
Figu a 2.2: P ocesso de luxo de ges ão da cadeia de abas ecimen o em Chin-Nung Liao e al., «An
in eg a ed uzzy TOPSIS and MCGP app oach o supplie selec ion in supply chain manage-
men », [3], 2011
.
O TOPSIS é um mé odo clássico do modelo MCDM e, como al, pode o nece a base pa a
o desen ol imen o de modelos de seleção de o necedo es que pode lida com ince eza. Tal
abo dagem baseia-se na ideia de que uma al e na i a escolhida de e á e a dis ância mais cu a
pa a a solução ideal posi i a e a dis ância mais longa pa a a solução ideal nega i a.
A impo ância a ibuída aos á ios c i é ios de seleção e as classi icações ob idas de c i é ios
quali a i os são conside adas a iá eis linguís icas, sendo ep esen adas a a és de unções line-
a es apezoidais. O modelo não conside a apenas a p e e ência dos deciso es e a expe iência
pa a os c i é ios de seleção mas ambém inclui á ias es ições angí eis, como po exemplo, o
o çamen o do comp ado , a capacidade dos o necedo es e o empo de en ega.
2.4 O imização da Cadeia de Abas ecimen o 17
A abo dagem di usa da TOPSIS ajudou a con e e a p e e ência e a expe iência dos deciso es
(DM) em esul ados signi ica i os, aplicando alo es linguís icos pa a a alia cada c i é io e a
elação com cada o necedo .
A in eg ação com o MCGP pe mi iu a ibui quan idades de pedidos a cada o necedo , consi-
de ando o alo o al c iado a pa i da aquisição. O MCGP possibili ou que os deciso es de inis-
sem ní eis de aspi ação de múl ipla escolha (MCAL) pa a cada obje i o com o in ui o de e i a
subes imação ou supe es imação da omada de decisão.
O algo i mo de omada de decisão mul i-pessoa e mul i-c i é io a a és do mé odo di uso
TOPSIS e MCGP pa a lida com a seleção de o necedo es é o seguin e:
1. Escolhe as a iá eis linguís icas ap op iadas pa a a impo ância dos c i é ios de seleção e
pa a as classi icações linguís icas dos o necedo es;
2. Ag ega o peso Wjdo c i é io Cje ag upa as classi icações dos deciso es pa a ob e a
classi icação ag egada di usa do o necedo Sisob o c i é io Cj;
3. Cons ui a ma iz de decisão di usa e no maliza a ma iz;
4. Cons ui a ma iz de decisão di usa no malizada ponde ada;
5. De e mina o FPIS e o FNIS;
6. Calcula a dis ância de cada o necedo ao FPIS e FNIS, espe i amen e;
7. Calcula o coe icien e de p oximidade de cada o necedo ;
8. De aco do com os coe icien es ob idos no passo 7 pa a cada o necedo , cons ui o modelo
in eg ado pa a encon a os melho es o necedo es e as suas quan idades ó imas de pedidos.
Pa a encon a as melho es quan idades de pedidos, o alo o al c iado de aquisição (TVP)
de e se maximizado.
Es es modelos podem se esol idos usando a e amen a LINGO onde se ão mos adas as
soluções ó imas.
2.4.4 Redes Neu onais A i iciais
T a a-se de uma abo dagem de modelação pode osa com aplicação em cadeias de abas eci-
men o com edução signi ica i a de cus os e com melho ias no se iço p es ado ao clien e. Na sua
ma e ialização inco po a odos os cus os da cadeia, incluindo comp a, p odução, a mazenagem,
in en á io e anspo e.
Pa a além de se a a de uma es a égia de planeamen o, as o ganização podem ganha an-
agem compe i i a com a adoção des a me odologia uma ez que podem a alia e implemen a
mudanças ace a no as dinâmicas que ão sendo in oduzidas numa o ganização, como in odu-
ção de no as o as, no os pa cei os, no os p odu os, no as leis ibu á ias, en e ou os.
18 Es ado da A e
2.4.4.1 Aplicações
Sil a e al. (2017, [12]) aplicou o concei o de ede neu onal a i icial de modo a p e e a ca-
pacidade de uma cadeia de abas ecimen o em a ende pedidos ecebidos, assim como an ecipa
quais os nós da cadeia que ecebe ão um pedido no p óximo pe íodo. A ideia e a comp eende a
o ma como as edes neu onais a i iciais podem se aplicadas pa a eduzi a ulne abilidade de
uma cadeia de abas ecimen o.
A abo dagem seguida combinou um modelo de simulação de uma cadeia de abas ecimen o
com uma a qui e u a de ede neu onal a i icial. O so wa e de simulação u ilizado pa a modela
a SC e de ini os pa âme os a se em usados pa a alimen a a ede neu onal a i icial oi o Simul8
R
. A ede neu onal a i icial oi desen ol ida usando p og amação Ma lab.
O modelo de simulação con emplou um único p odu o e consis ia em qua o nós: o necedo ,
p odução, dis ibuição e e alhis a. A ede neu onal oi desen ol ida com o in ui o de p e e o
u u o a pa i de dados his ó icos e, pa a isso, a sua con igu ação oi de inida com ês camadas:
uma camada de en ada, uma camada de saída e uma camada ocul a. O núme o de neu ónios nas
camadas de en ada e saída não e am ixos, sendo eajus ados consoan e os limi es do passado e
u u o. Os neu ónios de en ada ep esen a am os ní eis de s ock de cada nó da SC: e alhis a,
dis ibuição, p odução e o necedo .
Os dados ge ados pela simulação ensina am a ede neu onal pa a que a mesma adqui isse a
capacidade de econhece e ex apola pa a e en os u u os a pa i de dados no os e não einados.
Os esul ados o am ob idos pa a di e en es pe íodos de p e isão e analisados pe an e um núme o
c escen e de pe íodos à en ada a a és da axa de econhecimen o que aduz a e icácia da ede
em p e e e en os u u os.
Hui e Choi (2016, [21]) a i mou que no negócio de e alho de moda é essencial ecolhe uma
g ande quan idade de dados elacionados com as endas e o his ó ico de comp as do clien e. Esses
conjun os de dados podem ajuda o e alhis a a iden i ica compo amen os de clien es e a desco-
b i pad ões e endências de comp a pa a melho a a qualidade de a endimen o ao clien e e, na u-
almen e, a sua sa is ação. A explo ação de dados é uma abo dagem que con ém p incipalmen e
algo i mos de análise e descobe a de dados pa a p oduzi pad ões e/ou eg as signi ica i amen e
impo an es sob e uma g ande quan idade de dados.
As edes neu onais a i iciais su gem como uma e amen a aplicada nes e âmbi o com o in-
ui o de encon a pad ões ocul os a pa i de dados o necidos. Na maio ia dos casos de explo-
ação de dados, a ede neu onal a i icial ado a o algo i mo de e op opagação, conduzindo a
ap endizagem numa ede neu onal eed o wa d, exempli icada na Figu a 2.3.
M e R (2015, [5]) usou a e amen a an e io pa a classi ica os clien es em di e en es g upos
com compo amen os de comp a especí icos obse ados du an e um longo pe íodo de empo. As
a iá eis de en ada pa a o ag upamen o de clien es incluíam a equência de comp a do p odu o,
a p e e ência do p odu o e comp a egula e alea ó ia. As a iá eis de saída pa a classi icação dos
clien es e am classes de clien es: al o alo , médio alo , baixo alo . Uma ede neu onal a i icial
de e op opagação de ês camadas oi cons uída pa a modela a elação en e a iá eis. Após o
2.5 Ro eamen o 4PL 19
Figu a 2.3: Rede neu onal eed o wa d mul i-camada em P.C.L. Hui e al., [21], 2016
.
eino da ede com dados expe imen ais, e i icou-se que a classi icação do clien e e a al amen e
p ecisa.
Ap e isão de endas é uma a e a mui o di ícil no negócio de moda uma ez que a p ocu a
de p odu os é louca e imp e isí el, o que ob iga à exis ência de uma g ande quan idade de s ock.
Ou os a o es in e e em, como a sazonalidade, es a égias de ma ke ing e a é mesmo o clima.
A p e isão adicional de endas de moda baseia-se em mé odos es a ís icos comumen e is-
os, como a eg essão linea , média mó el, média ponde ada, sua ização exponencial, sua ização
exponencial dupla. No en an o, ais mé odos es a ís icos podem não consegui alcança um esul-
ado de p e isão desejá el (Hui e Choi, 2016, [21]).
F ank e al. (2003, [16]) ealizou um es udo onde um modelo de ede neu onal a i icial é
u ilizado pa a p e isão de endas de moda. A a qui e u a de ede neu onal eed o wa d de ês
camadas oi implemen ada pa a ap ende os pad ões de endas de peças de es uá io do passado
pa a p e isões de endas no u u o.
Os esul ados compu acionais comp o a am que a ede neu onal a i icial ap esen a melho
desempenho em compa ação com á ios ou os modelos de p e isão es a ís ica, sendo uma e a-
men a e icaz ambém na p e isão de endas de moda.
2.5 Ro eamen o 4PL
Huang e al. (2015, [1]) a i mou que o p oblema de o imização de o eamen o na qua a
camada logís ica (4PLROP) é undamen al e ine i á el na ope ação a ual de um 4PL. Sob con-
dições de eme gência, a desc ição de pa âme os ince os implica g andes desa ios de ido à al a

20 Es ado da A e
de dados his ó icos. Huang e al. (2015, [1]) es udou o p oblema de o imização de o eamen o
logís ico com empo de en ega ince o sob condições de eme gência.
O 4PLROP sob condições de eme gência oi o mulado com base na eo ia da ince eza, em
que o empo de en ega oi desc i o como uma a iá el ince a. Pos e io men e, o modelo de p o-
g amação ince o (UPM) p opos o oi compa ado com o modelo de p og amação es ocás ico
(SPM) no qual o empo de en ega ince o oi desc i o como uma a iá el es ocás ica baseada na
eo ia da p obabilidade.
Es e ipo de p oblema pode se de inido como a seleção de emp esas logís icas pa a o imização
da cadeia. Um p oblema cha e que uma emp esa 4PL de e conside a é a o imização de o as de
anspo e de me cado ias desde a o igem a é ao des ino inal pa a minimização de cus os.
Figu a 2.4: Mul ig a o pa a p oblema de o imização de o eamen o em Min Huang e al., «4PL
ou ing op imiza ion unde eme gency condi ions», [1], 2015
.
Como mos a a Figu a 2.4, a ede de anspo e pode se ap esen ada sob a o ma de um
mul ig a o cons i uído po nós e a cos. Os nós ep esen am a o igem, o des ino mas ambém
a mazéns de ma e ial, locais de enda ou mesmo cidades, sendo es es denominados po pon os
in e médios. Cada nó em p op iedades de cus o e empo.
Cada a co ep esen a uma emp esa 3PL que deseja ealiza uma pa cela da a e a en e pa es
de nós. Tal como acon ece com os nós, ambém os a cos êm p op iedades de cus o e empo
necessá ios pa a que a emp esa 3PL comple e o se iço de anspo e en e dois nós. En e pa es
de nós pode exis i mais do que um 3PL pa a ealiza a a e a, sendo o empo de en ega de cada
um ob ido de especialis as e conside ado uma a iá el ince a.
2.5.1 Modelo de P og amação Ince o (UPM)
O modelo ma emá ico pa a o p oblema de o imização (4PLROP) conside ou a a iá el empo
de en ega como sendo compos a po duas pa celas: uma cons an e e ou a a iá el. A pa cela
2.6 Conclusões 21
a iá el segui ia uma dis ibuição de ince eza no mal com um de e minado des io pad ão e a i-
ância, cujo ní el de con iança en e 0,5 e 1 assegu a a a en ega de p odu os de eme gência.
O obje i o da solução pa a es e modelo e a encon a uma o a o igem-des ino, incluindo nós
e a cos, como e idenciado a e melho na Figu a 2.4, cujo cus o osse mínimo. Pa a que a unção
obje i o osse alcançada, um conjun o de es ições ele an es o am idas em conside ação, po
exemplo, o empo o al da o a não de e ia excede o empo limi e pa a en ega.
2.5.2 Modelo de P og amação Es ocás ico (SPM)
De ac o, a única di e ença do SPM pa a o UPM esidia na pa cela a iá el do empo de
en ega que, no modelo de p og amação es ocás ico, e a conside ada uma a iá el alea ó ia que
seguia igualmen e uma dis ibuição no mal ince a.
A o ma como a eo ia da ince eza e a eo ia da p obabilidade ans o mam um p oblema
inde e minado num p oblema de e minís ico no âmbi o do o eamen o logís ico é simila . No
en an o, o esul ado é di e en e. Is o oco e uma ez que a combinação linea pa a uma dis ibuição
no mal independen e de a iá eis ince as é di e en e do caso em que es amos pe an e a iá eis
alea ó ias.
Ambos os modelos de e minís icos e am modelos de p og amação in ei a e, como al, o am
esol idos a a és do so wa e CPLEX.
Huang e al. (2015, [1]) e e uou á ias expe iências em o no do 4PLROP pa a compa ação
dos modelos enunciados nas subsecções 2.5.1 e2.5.2. Como e e ido na secção 2.5, o 4PLROP
pode se ep esen ado a a és de um mul ig a o e, po an o, á ios exemplos de mul ig a os o am
ge ados alea o iamen e (núme o de nós, núme o de a cos en e dois nós, cus os po nó e po a co,
empo po nó e po a co).
Os esul ados de alhados pa a cada exemplo mos a am que os dois modelos podem e di-
e en es soluções ó imas sob as mesmas condições. A solução do modelo UPM e elou-se mais
obus a sob condições de eme gência e mais adap á el pa a o 4PLROP p opos o quando compa-
ada com a solução do modelo SPM. O modelo UPM seleciona o as com meno alo espe ado
de empo e maio empo de bu e do que o modelo SPM, o que implica cus os mais ele ados.
No en an o, isso não signi ica que se a e de uma solução menos boa, mas sim e i a o isco de
excede o empo limi e na es ição.
Huang e al. (2015, [1]) cons a ou igualmen e o e ei o que o des io-pad ão e o ní el de con-
iança p oduzem sob e a solução inal, concluindo que o aumen o de cada um indi idualmen e
p o oca um aumen o nos cus os logís icos. A e icácia do mé odo p opos o icou assim comp o-
ada em p oblemas de o eamen o logís ico.
2.6 Conclusões
Além de ajuda na in eg ação das a i idades in e nas e na ges ão da logís ica, uma cadeia de
abas ecimen o iden i ica no as opo unidades de negócio, emp eendedo ismo, melho a os se iços
e eduz cus os ope acionais.
22 Es ado da A e
Embo a exis am di e sos mé odos pa a o imização de cadeias de abas ecimen o, os p oblemas
eais são, em eg a, mui o complexos de se em esol idos, is o que g andes ins âncias necessi am
de um g ande empo de execução compu acional e, mui as ezes, não se encon am soluções.
Dada a impo ância da edução de cus os logís icos a a és da o imização e a complexidade
de p oblemas com ins âncias eais, o na-se essencial pe cebe o modelo de negócio em ques ão e
consequen emen e o ipo de cadeia em que se inse e. São mui os os p oblemas e pa icula idades
que um negócio e a cadeia en ol en e ão en en ando e mui o po culpa da e olução do me cado.
Como espos a e com o in ui o de man e em an agem compe i i a, no as es a égias são pensadas
e, na maio ia dos casos, implemen adas.
A pe gun a que se impõe é a seguin e: qual a melho es a égia e/ou mé odo de o imização a
aplica ? A espos a a es a pe gun a depende de di e sos a o es, en e eles, e al ez o p incipal, a
na u eza do assun o que se p e ende o imiza na cadeia. Se á a seleção de o necedo es? O ní el de
s ock? A p e isão de endas? A p odução em unção da p ocu a? Respondida a ques ão, a seleção
pode ecai sob e um simples modelo de p og amação linea ou não linea , me aheu ís icas, lógica
di usa, edes neu onais, modelos ince os ou es ocás icos.
As edes neu onais e a lógica di usa e elam se os mé odos mais u ilizados, embo a odos os
ou os enham aplicações e esul ados alcançados. No en an o, es es úl imos dois em compa ação
com os es an es mos am maio capacidade de análise de in o mação de uma o ma mais ápida
e p ecisa, pa indo de um modelo al amen e in eg ado.
Capí ulo 3
Si uação A ual da Fa e ch
O modelo con encional de uma cadeia de abas ecimen o em como p incipal oco apoia o
luxo de ma e iais e in o mações ao longo de oda a cadeia mas ambém a conexão de odas as
unções de negócio, embo a conduzidas po di e en es en idades. A p imei a e apa é, po na u eza,
a aquisição, seguindo-se a p odução, a dis ibuição e as endas ao clien e. A sequência des as
ope ações es á ilus ada na Figu a 3.1.
A cadeia de um e-comme ce é uma ins ância especial da cadeia de abas ecimen o con encional
no sen ido em que a sequência das ope ações é di e en e. As endas p ecedem a dis ibuição. No
caso da Fa e ch, as p incipais a i idades oco em, p ecisamen e, nes es dois p ocessos.
Pa a além da Fa e ch, ambém as lojas, as emp esas anspo ado as e os p óp ios clien es
desempenham unções impo an es nes es p ocessos sendo, po isso, os g andes mo o es da cadeia,
como e idenciado na Figu a 3.2.
O c escimen o ápido e sus en á el des a e alhis a de moda aliado ao aumen o de pedidos
exige um con olo igo oso de odas as ope ações en ol idas na cadeia, bem como um acompa-
nhamen o pe manen e de odas as en idades comp ome idas no se iço de o necimen o. Pa a
pe cebe quem são essas en idades e a o ma como se alacionam, é essencial de alha o luxo de
negócio da Fa e ch.
3.1 Posicionamen o da Fa e ch
O modelo de negócio da Fa e ch pe mi e que se di e encie de qualque ou o websi e de
comé cio ele ónico de moda. Pa a além de uma pla a o ma e-comme ce, é ambém conside ada
um acili ado mul i-canal pa a lojas de moda de odo o mundo. Com inúme as coleções de lojas
combinadas, a gama de ma cas que o e ece é mais ampla e a iada do que em websi es com um
modelo de comp a adicional.
O oco da Fa e ch é, não só, lojas com enome e in luen es mas ambém lojas menos conhe-
cidas e eme gen es que des acam jo ens designe s com po encial. É es a mis u a de di e en es
classes de lojas que az da pla a o ma um des ino pa a a descobe a de no os alen os ao lado de
ma cas consag adas.
23
30 Si uação A ual da Fa e ch
O cus o de anspo e es á elacionado com o se iço de en ega selecionado e di e en es
se iços podem e di e en es anspo ado as associadas.
3.6.1.2 Se iço de Ro eamen o
O se iço de o eamen o comunica com o checkou pa a o nece in o mações sob e os se -
iços de anspo e disponí eis pa a um pedido especí ico, sendo esponsá el po seleciona o
melho s ock poin capaz de a ende esse pedido. A decisão é omada com base num conjun o de
eg as que es ão implemen adas e que ão de encon o às necessidades e p e e ências das ma -
cas. As eg as es ão mapeadas a a és de um polinómio com ponde ações associadas a a iá eis
especí icas, equação 3.1, cujas mé icas aplicadas são explicadas de seguida:
1. HasS ock: Pa a cada s ock poin é e i icado se em s ock su icien e pa a sa is aze o a igo.
Caso a quan idade disponí el seja supe io à quan idade que o clien e deseja, e o na 1, caso
con á io e o na 0. T a a-se, po an o, de uma a iá el biná ia de e i icação de s ock.
2. Click & Collec : O clien e em a possibilidade de seleciona du an e o checkou na e apa de
shipping se p e ende i le an a a encomenda a um pa cei o pe o de si ou se inse e o seu
ende eço pa a que lhe seja en egue em casa. Click & Collec não es á disponí el pa a odos
os pa cei os da Fa e ch. Caso o clien e selecione a opção de Click & Collec , o se iço
de o eamen e ecebe essa in o mação e le a-a em conside ação na escolha do melho s ock
poin com uma ponde ação de 10000.
3. B andRanking: Dispa a um anqueamen o consoan e a p e e ência das ma cas po país. A
ponde ação pa a es a a iá el é de 1000.
4. Baske Co e age: Ve i ica se um s ock poin pode en ega a igos di e en es de uma po al
o de . Se sim, esses a igos são alocados ao mesmo s ock poin . A ponde ação ixada pa a
es a a iá el é de 1000.
5. Me chan F omReques : Es a a iá el a ibui p e e ência ao s ock poin alocado a a és
do algo i mo de duplicados em on -end. Não sendo a a iá el com mais impac o pa a a
decisão inal, é lhe a ibuída uma ponde ação de 10.
No caso de exis i um empa e en e pa cei os, eco e-se à pe o mance das lojas, aduzida
a a és do NPS. O NPS é um índice que, no caso da Fa e ch, a ia en e -100 e 100,
ep esen a i o da expe iência do clien e no que se e e e à ecomendação dos p odu os e/ou
se iços p es ados. É uma das o mas de medi a sa is ação do clien e pe an e o p odu o
adqui ido assim como a sua idelidade à ma ca.
6. Me chan Ranking: Dispa a um anqueamen o de s ock poin s que pode se di e en e de
país pa a país.
7. S ock Dep h: A p o undidade de s ock é ambém um a o a e em con a na decisão inal.
Pa a um de e minado a igo, é a e iguada a quan idade disponí el desse mesmo a igo nos

3.7 Limi ações do Se iço de Ro eamen o 31
á ios s ock poin s. É dada p io idade àqueles que dispõem, naquele momen o, de uma
maio quan idade.
HasS ock ×(Click&Collec ×10000 +B andRanking ×1000 +Baske Co e age ×1000 +
Me chan F omReques ×10 +Me chan Ranking ×S ockDep h
10 ) + Me chan F omReques
Me chan Ranking ×100
(3.1)
3.7 Limi ações do Se iço de Ro eamen o
O se iço de o eamen o é uma ase c ucial no p ocesso de a amen o de pedidos. T a ando-se
de uma e apa que não oi implemen ada desde início, apa ece ainda com algumas limi ações, o que
signi ica que possui espaço pa a melho ias no seu uncionamen o.
A ualmen e, e como e e ido na subsecção 3.6.1.2, o uncionamen o des e se iço em como
base um polinómio com uma sé ie de a iá eis cujo p opósi o maio é a a ibuição de um s ock
poin po a igo de modo a que o pedido seja sa is ei o no seu odo. No en an o, é impo an e
salien a que a emp esa em conhecimen o que se a a de um algo i mo com uma complexidade
baixa, o que se aduz na seleção de boas es ima i as de s ock poin s e não, em s ock poin s ideais,
como se ia p e endido.
As es ições exis en es no polinómio são de di e sa na u eza. Decla a-se como um polinómio
edu o , pouco ab angen e, limi ado a eg as mui o especí icas que não pe mi em uma isão global
do negócio, p i iligiando apenas algumas mé icas, o que desde logo impossibili a a Fa e ch
de a alia e analisa a in luência di e a que ou as mé icas igualmen e impo an es e iam na
escolha do s ock poin . Nes e sen ido, exis e mui a ince eza ace ca dos impac os que as mé icas
a ualmen e inse idas no polinómio aca e am. O ideal se ia pode an ecipa esses impac os, algo
que não é possí el com o algo i mo a ualmen e implemen ado.
As ponde ações associadas a cada uma das mé icas a aliadas no polinómio o am de inidas
em bases de 10 consoan e a impo ância a a ibui a cada uma na seleção de s ock poin s. T a a-se
de uma impo ância ela i a de inida pela emp esa e, como al, exis e o conhecimen o de que não
são as ponde ações ideais, apenas uma o ma simpli icada de alo iza a iá eis em de imen o de
ou as no momen o da decisão.
Pa a além do e e ido acima, é um polinónimo que ence a pouca lógica de negócio na o imi-
zação, p imando pelo seu lado mais ope acional na busca de ações di e as e menos pelo seu lado
es a égico na busca de di eções a segui .
32 Si uação A ual da Fa e ch
Capí ulo 4
Solução P opos a
Desde início do p oje o icou comp o ado e escla ecido que o mé odo a ualmen e u ilizado
pela emp esa na escolha do melho pa cei o pa a sa is ação de uma de e minada encomenda, in e-
g ado no se iço de o eamen o, possui algumas de iciências e limi ações, al como explicado no
capí ulo 3, mais especi icamen e na secção 3.7.
Nesse sen ido, e com o obje i o de ob e o maio luc o possí el po pedido, ga an indo que
os pa cei os con inuam a ende , o necendo ao clien e um se iço exclusi o e de luxo, o nou-se
p io i á io p oje a e desen ol e uma es u u a que osse capaz de acompanha odo o p ocesso,
desde a de inição e modelação de uma hipó ese ou unção obje i o, passando po um ambien e de
simulação e a aliação, e minando no seu momen o cha e, a ealização de uma eg essão.
Idealmen e, a es u u a de e á se lexí el e in eg á el com as pla a o mas da Fa e ch, asse-
gu ando a dimunuição do empo de chegada ao me cado, ou se p e e i mos, de colocação em li e,
bem como a ga an ia de uma melho ia con ínua do algo i mo. Indo de encon o à e isão de li e-
a u a ealizada no capí ulo 2, as edes neu onais a i iciais e ela am-se o caminho ce o a segui
nes e âmbi o.
4.1 Visão Ge al da Es u u a de O imização
A es u u a delineada oi pensada e a qui e ada de modo cíclico, sendo ca ac e izada po um
conjun o de e apas sequenciais e dependen es en e si que pe mi am alcança os obje i os inicial-
men e p opos os, como exempli ica a Figu a 4.1.
Numa p imei a ase, e elou-se essencial o es udo ace ca das mé icas a conside a na mode-
lação do p oblema, sendo es a uma e apa impo an e que desencadeia e pe mi e o uncionamen o
da es an e es u u a. É ele an e ealça que a execução des a e apa oi ealizada em pa ce ia
com a equipa de ope ações da Fa e ch, nomeadamen e com um ou o es udan e da Faculdade de
Engenha ia que se encon a a, ambém ele, a ealiza a sua disse ação de mes ado no âmbi o do
cu so de Engenha ia e Ges ão Indus ial.
33
34 Solução P opos a
Figu a 4.1: Visão ge al da es u u a de o imização desen ol ida
A segunda e apa, a simulação, em como pon o de pa ida a e apa an e io , a modelação, pa a
es imação das mé icas de inidas com base no his ó ico de encomendas da Fa e ch pa a um de-
e minado in e alo empo al. Segue-se a a aliação, uma e apa que p e ende analisa os esul ados
ob idos numa pe spe i a de compa ação com alo es que se iam os ideais, es es de inidos e o ne-
cidos pela equipa de ope ações.
Medin e a análise e e uada e os esul ados ob idos, a es u u a en a na sua e apa mais delicada
e ulc al, a eg essão. Nes a ase, a hipó ese inicialmen e modelada é es u u ada com o in ui o de
a o ece ou penaliza as mé icas que a de inem, assegu ando a melho ia con ínua do algo i mo.
Encon ada a solução ó ima pa a a hipó ese de inida, es ão eunidas as condições pa a a seleção
do melho s ock poin capaz de sa is aze de e minado pedido do clien e.
O ciclo da es u u a de echa-se com o con olo da de inição da hipó ese, um con olo que
de e á se e e uado ambém em conjun o com a equipa de ope ações, exis indo um con ac o pe -
manen e no sen ido de acompanha o es udo de no as mé icas pa a u u a inse ção e explo ação
na es u u a desen ol ida. A pa i daqui, o p ocesso ol a à sua e apa inicial, einiciando-se o
ciclo.
A disposição em li e da es u u a implemen ada é, desde início, o p incipal obje i o da em-
p esa, um passo que depende de á ios a o es, daí a dimensão e alia que a es u u a de e adqui i .
Pa a além disso, a a-se de um pe íodo que pode demo a algum empo uma ez que não é linea .
4.2 Modelação
Den o de um ambien e dinâmico e complexo como o p e iamen e iden i icado e a ando-se
de um p oblema de o imização mul i a iá el e mul iobje i o que de e es a alinhado com a isão
es a égica da emp esa, a modelação do p oblema oi, desde logo, o momen o mais demo ado do
p oje o uma ez que exigia um conhecimen o ala gado e conscien e ace ca do modelo de negócio
da Fa e ch, que em e mos ope acionais, que em e mos es a égicos. Nesse sen ido, o am
iden i icadas ês g andes pe spe i as pa a a uação em que assen a o seu modelo de negócio:
1. Luc o: São milha es as encomendas diá ias que a Fa e ch ecebe. Mas a inal, que pa e
consegue a Fa e ch ganha com a enda de p odu os a a és do seu ma ke place? Que
cus os di e os e indi e os es ão associados a es a enda? Que impac o êm no alo inal de
enda do p odu o? Exis e luc o em odas as encomendas? Ou algumas causam p ejuízo?
4.2 Modelação 35
2. Clien es: Qualque pessoa, em qualque pa e do mundo, pode comp a na Fa e ch, bas-
ando pa a isso que aceda ao po al FF.com. Sem clien es, não há c escimen o e, como al,
assegu a a sa is ação do clien e é algo indiscu í el e desa ian e.
3. Pa cei os: Os g andes aliados da pla a o ma e-comme ce que se comp ome em a cump i
os pedidos dos clien es. Do lado da Fa e ch in e essa pe cebe como ão as suas endas,
ga an indo o seu c escimen o a a és da alocação dos pedidos dos clien es.
4.2.1 Luc o
Quando mencionamos o concei o de luc o na Fa e ch, e al como acon ece em qualque ou a
emp esa den o ou o a do se o , e e imo-nos à o alização de odas as on es de ecei a e sub ação
de odas as despesas, in e indo a e olução inancei a da o ganização num de e minado in e alo
de empo. Tão ou mais impo an e do que esse cálculo, es á uma análise c í ica e ap o undada de
odas as mé icas de e-comme ce conside adas cha e pa a uma isão ge al do negócio e es udo da
luc a i idade num de e minado pe íodo.
Desse modo, pa a a pe spe i a de luc o o am conside adas a iá eis di e amen e ligadas a
esse p opósi o ou que, de alguma o ma, in e e em no endimen o ob ido a pa i das endas:
comissões, geoma gin e cus os de anspo e.
Comissões
As ecei as anga iadas pela emp esa são alcançadas, sob e udo, g aças às comissões aplicadas
sob odas as endas bem sucedidas. As polí icas de comissão dependem das condições de con a o
com cada ma ca, o que que dize que o seu alo pode a ia . A comissão depende da o igem do
pon o de s ock (loja). Po exemplo, pa a uma de e minada ma ca, odas as endas p o enien es de
lojas dos EUA êm uma pe cen agem de comissão aplicada di e en e. No en an o, aquilo que se
e i ica é que o seu alo médio de en e odos os pa cei os es á en e os 20 e os 25%.
Se conside a mos o p eço de inido pela loja pa a cada a igo, designado po Recommended
Re ail P ice, cuja o igem es á na soma do p eço g ossis a com o aumen o de p eço p opos o pela
ma ca e lhe aplica mos a pe cen agem de comissão espe i a, es amos pe an e o alo ganho pela
Fa e ch com a enda de de e minado a igo, como mos a a equação 4.1.
Valo de comiss ˜ao =Pe cen agem de comiss ˜ao ×P eço ecomendado pela lo ja (4.1)
Geoma gin
O p eço a que um p odu o é endido na loja não é, em g ande pa e dos casos, o p eço a
que é endido no po al FF.com. Pe an e o p eço de inido pela loja, a Fa e ch calcula a a és
de algo i mos com múl iplos indicado es o p eço inal de enda, o chamado p eço ixo do i em.
Pa a es e cálculo são le ados em conside ação múl iplos aspe os dependendo do país a pa i do
qual o p odu o i á se endido, nomeadamen e as suas polí icas económicas, a moeda local e suas
lu uações, en e ou os.

36 Solução P opos a
Vejamos o seguin e exemplo pa a que possamos en ende melho es e mecanismo: imagine-
mos que um a igo i á se endido a pa i de uma loja no Reino Unido pa a um clien e no Es ados
Unidos. O p eço ecomendado pela loja é de £1025. A es e alo se á e i ado o impos o sob e o
alo ac escen ado (VAT) de bens ou se iços locais, o que signi ica que, es ando a loja si uada no
UK, esse alo es á ixado nos 20%. Pelo con á io, é adicionado o chamado subsídio de en io,
c iado quando a axa ixa de en io é meno que a usual, o que le a a uma edução dos cus os de
en io mas a um aumen o do p eço. Na maio ia dos países, esse aumen o é de 3,76%.
Nas si uações em que a moeda de comp a do clien e é di e en e da moeda local da loja, o na-
se necessá io ealiza a con e são, nes e caso de lib as (GBP) pa a dóla es (USD), aplicando a
axa de con e são de inida pela Fa e ch pa a a ansação em ques ão. É de no a que as axas de
con e são são a ualizadas pela emp esa mensalmen e. De ido às lu uações das moedas locais, a
Fa e ch c iou uma ma gem que é mais ou menos ele ada consoan e a maio ou meno lu uação.
No caso da Rússia, po exemplo, exis e uma ma gem de 10% uma ez que a sua moeda, a Russian
Ruble, lu ua bas an e em compa ação com ou as, po exemplo, o B asil, onde de ido às al as
axas al andegá ias, essa ma gem não exis e.
O úl imo passo a é se a ingido o p eço inal é a inclusão dos impos os. Dependem, undamen-
almen e, do país de des ino onde a encomenda se á en egue, sendo de e minados pela agência
al andegá ia desse mesmo país.
Es es impos os podem se ap esen ados de duas o mas di e en es: DDP ( axas de en ega
pagas) ou DDU ( axas de en ega não pagas). Se o país o DDP, o p eço inal inclui á o alo do
i em, anspo e e impos os, enquan o que, se o país o DDU, os impos os que o clien e em de
paga não es ão incluídos no p eço inal. Nes e úl imo caso, o clien e e á de paga quando ecebe
a encomenda no seu país, ecebendo uma a u a com esse alo .
A di e ença de p eços, ilus ada na equação 4.2, pode se nega i a, no caso em que o p eço inal
de enda é in e io ao p eço de inido pela loja e, quando assim é, o pa cei o cob e essa di e ença,
ou posi i a e, dependendo da e são do con a o, pode á ecebe a Fa e ch, o pa cei o ou ambos.
Es a di e ença é designada pela emp esa de geoma gin.
Geoma gin =P eço inal de enda −P eço ecomendado pela lo ja (4.2)
Cus os de T anspo e
O anspo e assume um papel impo an e pa a a Fa e ch, azendo pa e do p ocesso de cum-
p imen o de um pedido. O cus o associado ao en io de uma encomenda em, sob e udo, de
aco dos ealizados com as anspo ado as. Pa a cada uma delas são de inidos p eços dis in os
con o me o ipo de se iço que ealizam e a o a o igem-des ino.
Caso a anspo ado a selecionada pa a en ega de encomendas seja a DHL, a Fa e ch eco e
a uma e amen a da p óp ia anspo ado a disponí el no seu websi e que pe mi e o cálculo do
chamado peso olumé ico ou dimensional, com base nas dimensões da caixa que o am ecomen-
dadas à loja esponsá el pela sa is ação do pedido. A e amen a es á ep esen ada na Figu a 4.2.
T a a-se de um peso es imado que, nem semp e, co esponde ao peso eal. Com base nesse peso
4.2 Modelação 37
es imado e na o a o igem-des ino a ibuída ao pedido, a emp esa de e mina o cus o de anspo e
que e á de paga à anspo ado a. Des a o ma, os cus os de anspo e ela i os à anspo ado a
DHL com se iço Exp ess o am calculados a pa i da equação 4.3:
Cus os de anspo e =1.1175 × alues (4.3)
onde 1.1175 ep esen a a axa média de câmbio e alues as con e sões ealizadas da moeda
do clien e pa a a moeda da loja.
Figu a 4.2: Cálculo do peso olumé ico
O peso eal, esse, apenas é a e iguado pela anspo ado a no momen o em que a caixa chega
às suas mãos. Exis em si uações em que o peso eal es á acima do peso olumé ico, o que le a a
Fa e ch a cob i essa di e ença pa a além do es imado inicialmen e. Caso se e i ique o con á io,
em que o peso eal é in e io ao peso olumé ico, a DHL de ol e à emp esa o mon an e espe i o.
Se a anspo ado a em causa o a UPS, a si uação é dis in a, a é po que exis em di e sas
a ian es des a anspo ado a: UPS S anda d e UPS G ound que ealizam se iço S anda d e
UPS Second Day Ai e UPS Nex Day Ai Sa e que ealizam se iço Exp ess.
No caso da UPS G ound e da UPS Nex Day Ai , apenas ealizam se iço den o dos Es ados
Unidos, o que implica que sejam ealizados endo em con a os chamados zipcodes de o igem,
espei an es aos s ock poin s, e de des ino, associados aos clien es, em de imen o do peso da
caixa que deixa de e in luência no cálculo do cus o.
Os zipcodes não são mais do que códigos pos ais, que do clien e, que do s ock poin , em que
os ês p imei os ca ac e es de cada zipcode de e minam a zona a que pe ence a combinação.
Vejamos um exemplo: o s ock poin pa a expedição da encomenda ica algu es na Aus ália
cujo código pos al é dado po 2092, enquan o que o clien e es á si uado algu es na Alemanha com
um código pos al de 88131. O a, a combinação (209, 881) em como zona a ibuída, a zona 203.
A pa i da zona a que pe ence a combinação de zipcodes, calcula-se o cus o de anspo e a pa i
38 Solução P opos a
da equação 4.4:
Cus os de anspo e =0.8× alues (4.4)
onde 0.8 ep esen a a axa média de câmbio conside ada pela equipa de ope ações e alues as
con e sões de moeda.
No caso da UPS S anda d, as o as ab angem apenas a Eu opa enquan o que a UPS Nex Day
Ai Sa e a ua sob e udo pela Eu opa e USA. Como al, o cálculo do cus o de anspo e pa a es es
casos oi e e uado da mesma o ma que pa a os casos da DHL em que o peso da caixa assume um
papel p eponde an e.
A pe spe i a de luc o oi assim ca ac e izada e modelada pelas ês a iá eis abo dadas an e-
io men e e que se aduzem na equação 4.5:
Luc o ($) = Comiss ˜ao +Geoma gin −Cus os de anspo e (4.5)
4.2.2 Pa cei os
Tendo o modelo de negócio da Fa e ch uma g ande exp essão jun o dos seus pa cei os, pa ece
e iden e a necessidade absolu a em a e i o seu desempenho, sob e udo em e mos de endas, de
o ma a assegu a o seu c escimen o sus en á el. As lojas possuem dois ipos de endas: as endas
e e uadas no po al da Fa e ch e as endas o line, aquelas que são ealizadas a pa i da loja ísica.
Es es pa ce ios podem se a aliados a a és de duas mé icas um pouco dis in as: o Sell Th ough
e o peso das endas online. Na u almen e, as endas que são ealizadas a a és do po al FF.com
ganham um dimensão supe io pa a a Fa e ch em compa ação com as endas o line uma ez que
in e essa à emp esa que um pa cei o consiga ende em núme os supe io es a a és do websi e,
e i ando assim maio bene ício.
Sell Th ough
OSell Th ough é um indicado medido em pe cen agem e em pe íodos semanais de domingo
a sábado, sendo ep esen ado pela azão en e o soma ó io das endas online com as endas o line
e o o al de s ock o necido ao pa cei o no início da semana, al como ilus a a equação 4.6:
Sell Th ough = endas online + endas o line
s ock ecebido (4.6)
T a a-se de uma mé ica que pode se analisada a pa i de di e sos aspe os: po p odu o, po
loja, po es ação ou a é mesmo po ca ego ia ou amília de p odu o. As p incipais es ações con-
side adas são: Ou ono-In e no e P ima e a-Ve ão. Pa a além des as designações exis em ainda
a igos Vin age que não passam de moda, que pe du am no empo, a igos designados po Ca -
yo e que passam de uma es ação pa a a ou a e a igos A chi e que já não es ão no po al da
Fa e ch po não ende em online.
4.2 Modelação 39
As ca ego ias de um p odu o são inúme as e di e si icadas, a ualmen e ce ca de 200 e es ão
incluídas em amílias. Uma amília pode ab ange á ias ca ego ias. Calções, jaque as, bo as, cin-
os são apenas qua o dessas ce ca de 200 ca ego ias. Os calções e jaque as pe encem à amília
de oupa, as bo as à de calçado e os cin os aos acessó ios.
Peso das Vendas Online
O peso das endas online é igualmen e uma mé ica medida em pe cen agem e em pe íodos
semanais e que, al como o p óp io nome indica, pe mi e a alia em que p opo ção as endas
ealizadas no po al da Fa e ch se supe io iza am em elação às endas ealizadas na loja. O seu
cálculo é e e uado de aco do com a equação 4.7:
Peso das endas online = endas online
endas online + endas o line (4.7)
A pe spe i a de pa cei os oi ca ac e izada e modelada pelas duas mé icas abo dadas an e i-
o men e e a o ma como o am elacionadas es á exp essa na equação 4.8:
Pa cei os (%) = Peso das endas online ×Sell T h ough ×100 (4.8)
4.2.3 Clien es
Com o aumen o c escen e do núme o de pedidos, o nou-se c ucial não só medi o desempe-
nho das lojas, mas ambém o desempenho das anspo ado as. Mesmo que a loja consiga cump i
com as exigências da Fa e ch, se a anspo ado a não espei a os ho á ios aco dados, a expe i-
ência do clien e sai á p ejudicada e a Fa e ch se á esponsá el po isso. Nesse sen ido, a emp esa
necessi a de man e um con olo igo oso sob e os empos de en ega das anspo ado as, a im de
ga an i a sa is ação o al do clien e. Pe an e es a ealidade, na pe spe i a de clien es e elou-se
ulc al inclui e a alia a mé ica do empo de en ega.
Tempo de En ega
Como sabemos, o concei o de empo de en ega en ende-se como o empo o al, em dias,
que deco e desde que o clien e e e ua um pedido a é que o ecebe. No modelo de negócio da
Fa e ch, um único pedido pode inclui di e sos a igos, os quais podem se alocados a di e en es
s ock poin s pa a pos e io expedição. Caso se e i ique al cená io, aquilo que sucede é que odos
os a igos e ão empos de en ega di e en es, o que que dize que o clien e ecebe á o seu pedido
epa ido, algo pouco desejá el quando compa ado com a hipó ese de pude ecebe o seu pedido
po in ei o e num único dia.
A emp esa conside a dois ipos de empos de en ega: o empo de en ega b u o e o empo de
en ega líquido. A única di e ença exis en e en e ambos é o ac o do empo de en ega líquido
conside a e iados e ins-de-semana e o empo de en ega b u o apenas dias ú eis. Na pe spe i a
de clien es, o oco incidiu sob e o empo de en ega b u o, cujo cálculo p ecisa da comp eensão de
duas ou as a iá eis di e amen e elacionadas: elocidade de en io e empo em ânsi o no passo
46 Solução P opos a
simulação ag upa as condições de e i icação em dois g andes g upos, cada um subdi idido em
dois subg upos: Um p imei o g upo pa a a DHL, subdi idido em se iço Exp ess eS anda d. Pa a
o se iço Exp ess es ão associadas as anspo ado as DHL Exp ess, DHL Exp ess B azil e DHL
Exp ess China, enquan o que pa a o se iço S anda d, emos a DHL G ound e a DHL Economy.
O segundo g upo, des inado às encomendas en iadas pela UPS, a condição de e i icação
ganha um ac éscimo ace ao caso da DHL. Pa a além de se analisado o ipo de se iço e a ans-
po ado a em de alhe, UPS Second Day Ai pa a se iço Exp ess e UPS S anda d ou UPS G ound
pa a se iço S anda d, o p og ama a e igua se a o igem e o des ino da encomenda é os Es ados
Unidos da Amé ica. Is o po que, a a-se de um país onde a UPS a ua em g ande escala.
Quando uma encomenda en a na condição ela i a à anspo ado a DHL, que seja Exp ess,
ou S anda d, a simulação compa a o código do país do clien e que e e uou esse pedido, o código
do país do s ock poin que o expediu e o peso da encomenda, pe co endo os esul ados e o nados
pela que y ace ca dos cus os de anspo e pa a a DHL, a é se encon ada a combinação de códigos
o igem-des ino com o peso p e endido associado. A combinação des es ês aspe os em um cus o
de en io, que não é mais do que o cus o de anspo e que essa encomenda ouxe pa a a emp esa.
Caso se a e de uma encomenda cuja anspo ado a a ibuída oi a UPS, que o se iço enha
sido Exp ess ou S anda d, o p og ama ex ai os ês p imei os ca ac e es ou dígi os do código
pos al do clien e e do s ock poin , pe co endo de seguida o documen o excel desen ol ido pa a
a anspo ado a em ques ão onde es ão as combinações de códigos pos ais o igem-des ino com a
espe i a zona. No momen o em que é encon ada a combinação pa a a encomenda, a simulação
gua da a zona a que pe ence numa a iá el auxilia uma ez que é necessá ia pa a deci a o cus o
de en io.
Mais uma ez, o p og ama lê e pe co e dados inse idos em excel, nes e caso, um conjun o de
zonas e espe i os p eços, a é se encon ada a zona em ques ão, al u a em que o cus o associado
a essa zona é, ambém ele, gua dado numa a iá el auxilia pa a uso u u o.
Simul aneamen e, a simulação busca pa a cada a igo de uma encomenda o p eço ecomen-
dado pela loja pa a enda, aplicando sob e es e a pe cen agem de comissão de inida no con a o,
assim como a geoma gin ganha pela Fa e ch com a enda de cada p odu o. Recolhidos que es ão
odos os dados elacionados com o luc o, cus os de anspo e, geoma gin e comissões, o p og ama
calcula o alo pa a a pe spe i a, não esquecendo de aplica a ponde ação inicialmen e de inida,
0,33, al como e idencia e equação 4.14. Logo de seguida, em a pe spe i a de clien es, pa a a
qual a simulação ecolhe o alo , em dias, do empo que a encomenda demo ou a chega ao cli-
en e, o chamado empo de en ega. O cálculo in e médio da mé ica, a soma do speed o sending
com o ime in ansi é ealizado pela p óp ia que y e, po an o, a simulação mos a apenas o alo
inal. A es e alo aplica ambém a ponde ação inicial de 0,33, esul ando no alo inal pa a es a
pe spe i a.
Po úl imo, o p og ama pe co e linha a linha os esul ados da que y ace ca de Sell Th ough,
cujo um exce o es á p esen e no anexo B, compa ando os iden i icado es de p odu os. Como
as encomendas simuladas dizem espei o ao dia 15 de Ab il de 2018, a análise de pa cei os oi
ealizada pela simulação pa a a semana de 15 a 22 de Ab il. De um lado os p odu os que compõe

4.5 Simulação 47
cada encomenda e e uada nesse dia, do ou o odos os a igos que es a am à enda nessa semana,
o que implica que os a igos comp ados pelo clien e nesse dia coincidam com pa e dos p odu os
que es a am pa a enda ao longo da semana co esponden e. Pa a cada i em de uma encomenda, o
p og ama calculou o seu Sell Th ough de aco do com a equação 4.6 assim como o peso de endas
online que esse i em alcançou, como suge e a equação 4.7. A simulação u ilizou es es dois alo es
pa a calcula , de seguida, a pe cen agem de endas online de que esse a igo oi al o pe an e o
seu s ock inicial e excluindo as endas oco idas na loja, de aco do com a equação 4.8. Tal como
acon eceu com as an e io es pe spe i as, o alo inal pa a a pe spe i a de pa cei os oi ambém
sujei o à ponde ação inicial de 33,3%.
As pe spe i as e espe i as mé icas de e minadas pela simulação o am ap esen adas a pa i
de um da a ame cujas linhas ep esen am os índices das encomendas ao passo que as colunas
o am de inidas consoan e aquilo que in e essa a ob e . A simulação exibe o Po al O de id da
encomenda, o iden i icado do p odu o, o con inen e de des ino, o iden i icado da loja, o iden i-
icado do s ock poin , a es ação, a ca ego ia e a amília a que pe ence cada p odu o pa a e ei os
es a ís icos e as ês úl imas colunas, cada uma mos ando os alo es e e en es a cada pe spe i a:
luc o, clien es e pa cei os, como es á pa en e no anexo E.
A e cei a e apa da simulação es á elacionada com a análise dos a ge s, no sen ido em que o
p og ama, pa a cada encomenda, calcula a di e ença exis en e en e alo es ob idos em cada pe s-
pe i a e o espe i o alo desejado. A di e ença ob ida oi ambém gua dada a pa i de um da a
ame, des a ez com apenas ês colunas, cada uma ep esen ando, no amen e, uma pe spe i a.
A úl ima e apa, c ucial pa a a es an e es u u a de o imização como e emos mais à en e,
consis e na no malização de odos os dados ob idos. Pa a isso, o p og ama começa po de e mina ,
encomenda a encomenda, o alo máximo e mínimo egis ado em cada pe spe i a, a a és das
unções max() e min() que a linguagem py hon disponibiliza, gua dando esses alo es em a iá eis
auxilia es. Os dados o am no malizados a a és da equação 4.15:
X0=X−Xmin
Xmax −Xmin (4.15)
onde X ep esen a o alo ob ido da simulação, Xmin o alo ob ido a a és da unção min(), Xmax
ob ido pela unção max() e X’ o espe i o alo no malizado na escala uni á ia.
Pa a o caso dos alo es ela i os a cada um dos a ge s, o p ocesso de no malização oi um
pouco dis in o uma ez a a -se de alo es únicos. Pa a cada a ge de inido, o p og ama e i icou
se e a supe io ao alo máximo encon ado pa a a espe i a pe spe i a, e caso se con i masse, o
a ge e a no malizado pa a o alo uni á io. Caso con á io, em que o a ge se e ela a in e io
ao alo máximo encon ado, oi aplicada a equação 4.15 pa a no maliza esse alo .
O código co esponden e a oda a lógica de simulação es á p esen e no anexo D.
48 Solução P opos a
4.5.3 Resul ados
Assim que a simulação e minou de co e , os esul ados o am analisados sob di e en es pon-
os de is a. Começando pela pe spe i a de luc o pa a a Fa e ch, a simulação e elou a exis ência
de algumas encomendas com alo es nega i os, o que signi ica que es es pedidos, com de e mi-
nados s ock poin s a ibuídos, assim como anspo ado as alocadas não ouxe am bene ício pa a
a emp esa. Tendo em con a a o ma como a pe spe i a oi modelada, a explicação pa a al ac o é
a de que os cus os de en io e ela am-se supe io es compa a i amen e com aquilo que a emp esa
ganhou em comissões e geoma gin a a és da enda dos a igos dessas encomendas.
O alo máximo de luc o egis ado pela simulação pa a o dia em ques ão oi de $1963.103,
e e en e ao a igo 3591617 da encomenda 2E2TV2, cuja o igem oi o s ock poin 1271 em I ália e
o des ino, o clien e na Alemanha. O alo mínimo egis ado, cono ado como pe da, oi de -$38.71,
espei an e à enda do a igo 3276921 da encomenda ZJZPQQ.
Rela i amen e aos esul ados ob idos pa a a pe spe i a de clien es, e pa indo da única mé ica
usada, o p azo de en ega, e i icou-se que a en ega mais ápida oi e e uada pela DHL Exp ess,
endo demo ado 1,4 dias, mais especi icamen e, 1 dia e 10 ho as ap oximadamen e. Já a en ega
mais demo ada, oco eu en e Po ugal e a Dinama ca, e e uada pela DHL Exp ess, ao longo de 39
dias e 17 ho as, ap oximadamen e, o que e ela alguma dispa idade de alo es como consequência
de di e sos a o es, en e eles a dis ância en e a o igem e o des ino, a anspo ado a, en e ou os.
No que se e e e às endas ealizadas pelos pa cei os na semana de 15 de Ab il pa a os a igos
co esponden es às 2877 encomendas dos clien es, 330 p odu os o am apenas endidos a a és
do po al da Fa e ch, egis ando uma pe cen agem de endas online de 100%. No en an o, e
desequilib ando um pouco a balança, 815 o am endidos apenas em loja e, como al, egis a am
um pe cen agem de endas no po al de 0%.
A segunda pa e da análise ocou-se em alguns aspe os es a ís icos, nomeadamen e em e mos
de me cados com quem a Fa e ch dia iamen e in e age. A simulação pa iu de 2877 encomen-
das, e, eco endo a um il o po con inen e, oi e i icado não e em sido ealizadas quaisque
encomendas a pa i do con inen e A icano e Índia (0%), 1% (29 encomendas) i e am como des-
ino a Amé ica La ina e Ca ibbean, 3,7% (106 pedidos) o am ei os a pa i do Médio O ien e,
24% das 2877 encomendas en egues nos Es ados Unidos da Amé ica, 31% (877 encomendas)
concluídas pa a a Ásia e 41% en egues po oda a Eu opa. Es es alo es, ap esen ados a a és
de um g á ico ci cula , como pode se is o no anexo F e elam que, de ac o, os me cados com
maio exp essão no modelo de negócio da Fa e ch são, sem dú ida, o me cado eu opeu, asiá ico
e no e-ame icano.
No que se e e e ao alcance dos alo es desejá eis e de inidos no início da simulação, os
a ge s, a sua a aliação seguiu, igualmen e, a pe missa an e io . É impo an e ealça que nes a
análise as di e enças ace aos a ge s posi i as não o am penalizadas, em sido calculado o max(0,
a ge - esul ado) pa a cada um dos c i é ios. Pa a a pe spe i a de luc o, e apesa de exis i em me -
cados com uma maio pe cen agem de pedidos dia iamen e, o luc o médio pa a o dia conside ado
ap esen ou alo es bas an e idên icos de me cado pa a me cado. Po exemplo, e como mos a o
4.6 O imização 49
p imei o g á ico de ba as p esen e no anexo F, o luc o médio ob ido em encomendas en iadas
pa a a Amé ica La ina e Ca ibbean oi de $18,94, mui o p óximo dos $19,00 ob idos a pa i de
pedidos cujo des ino oi a Eu opa. Es es alo es são a p o a de que, apesa de se em ecebidos
poucos pedidos de um de e minado me cado, pode acon ece que esses pedidos ge em mais e-
cei a, indiciando que aquele me cado me ece se po encializado. Todos os me cados ap esen a am
luc os médios en e os $18,94 e os $19,06, com exceção de A ica and India, alo es abaixo do
mon an e desejá el pa a es a pe spe i a, ixada nos $33. O in e alo de e o a iou en e os [13,94;
33] com uma ampli ude de 19,06. É impo an e e e i que es es são alo es com a ponde ação de
33,3% já aplicada.
Em elação à sa is ação dos clien es, a si uação não é mui o dis in a, na medida em que o
empo médio que uma encomenda demo ou a chega ao des ino p a icamen e não a iou consoan e
o me cado a que nos e e imos. Es amos a ala de alo es en e os 1,3028 e os 1,3048 dias. Tal
como se apu ou na pe spe i a de luc o, no caso dos clien es os alo es ob idos encon am-se
ambém abaixo do a ge desejado pa a es a pe spe i a, si uado nos 1,65 dias. Is o signi ica que os
clien es es ão a espe a menos empo pelos seus p odu os do que aquilo que a Fa e ch conside a
como ideal. O in e alo de e o es e e comp eendido en e os [0,3452; 1,65], o que co esponde a
uma ampli ude de 1,3048.
Po úl imo e ela i amen e ao c escimen o dos pa cei os oi ealizada uma a aliação das suas
endas online po amília de p odu o e po es ação. Que num caso, que no ou o, os alo es
não so e am g andes oscilações, o que e ela uma g ande di e sidade de comp a no po al. É
impo an e des aca que, cla amen e, os a igos das es ações mais ecen es de p ima e a- e ão e
ou ono-in e no ap esen am uma p ocu a maio e que as oupas, o calçado e as mochilas são as
amílias de p odu os mais equisi adas. Em e mos de p oximidade com a pe cen agem de endas
online p e endida pela emp esa, 70% aduzida em 23,1% de ido à ponde ação de 33,3%, os
alo es ob idos, al como nos casos an e io es, encon am-se abaixo dessa me a, com a exceção de
a igos da es ação p ima e a- e ão de 2010 que egis ou uma média de endas online no pe íodo
conside ado supe io ao desejá el, al como es á pa en e no anexo F. Os in e alos de e o ace ao
a ge ixado posiciona am-se em [0; 19,433] pa a as endas médias po es ação e [10,870; 23,1]
pa a as endas médias po amília de p odu o, com ampli udes espe i as de 19,433 e 12,23.
4.6 O imização
A úl ima g ande e apa que compõe a es u u a pa a a cadeia de abas ecimen o da Fa e ch
su ge pela necessidade de ajus a e con ola a hipó ese de inida na secção 4.3 e complemen ada
na subsecção 4.5.2 com a a ibuição de ponde ações iniciais a cada pe spe i a do sis ema. A simu-
lação pe mi iu pe cebe e a alia o impac o que a hipó ese causou nas ês pe spe i as delineadas
ao ní el de cada um dos a ge s, al como oi explicado na subsecção 4.5.3, pa a ago a, a es u u a
inicia uma análise de eg essão com o in ui o de se pe cebe o compo amen o da a iá el de
saída dependen e, o a ge de inido pa a cada c i é io, ace às mudanças das a iá eis de en ada
independen es, os alo es calculados pa a cada c i é io a a és da simulação. P e ende-se alcança
50 Solução P opos a
uma elação en e as ês pe spe i as. Po elação en enda-se encon a as melho es ponde ações
pa a cada pe spe i a de o ma a que os alo es ideais sejam a ingidos e, dessa o ma, a di e ença
en e os esul ados ob idos na simulação e os a ge s seja mínima.
A abo dagem seguida pa a es a úl ima ase da es u u a oi a cons ução de uma ede neu o-
nal eed o wa d mul i-camada com mé odo de eino backp opaga ion, eco endo igualmen e à
linguagem py hon e ao edi o de ex o A om. A escolha ecaiu sob e es a a qui e u a e sob e es e
mé odo uma ez que aquilo que se p e endia e a uma a ualização e mudança i e a i a dos pesos
a ibuídos a cada pe spe i a na hipó ese de inida, pa a que a ede neu onal pudesse ap ende a
mapea co e amen e as en adas nas saídas, le ando a que o e o à saída osse con e gindo pa a
ze o, com a ap oximação aos alo es desejados.
Com o obje i o de acili a e simpli ica a sua implemen ação oi c iada uma classe pa a a ede
neu onal, pe mi indo assim o ag upamen o de dados e uncionalidades que, de ce a o ma, pos-
suem p op iedades ou a ibu os em comum. C ia uma no a classe implica a c iação de um no o
ipo de obje o, pe mi indo que no as ins âncias desse ipo ossem de inidas. As decla ações eali-
zadas den o da classe o am um conjun o de unções ou mé odos com os espe i os a gumen os,
essenciais pa a a conc e ização da ede e que se ão de alhadas à en e.
4.6.1 Inicialização
O p imei o passo no desen ol imen o da ede neu onal oi a sua inicialização. Pa a es e p o-
cesso o am u ilizados dois mé odos cha e: sel e__ini __(). Pa a o sucesso de ambos mui o
con ibuiu a classe de inida uma ez que pe mi iu a c iação de um obje o dessa mesma classe,
onde o am indicados os a gumen os que p e endíamos passa . O a, es amos a ala do núme o de
nós, ou neu ónios, que cada camada da ede neu onal i ia possui . Tendo em con a oda a es u u a
desen ol ida a é es a ase, pa a a camada de en ada icou es abelecido que se ia compos a po
ês nós, já que p e endíamos o imiza ês g andes pe spe i as, logo cada neu ónio es a ia associ-
ado a uma pe spe i a di e en e. O neu ónio 1 se ia pa a a pe spe i a de luc o, o neu ónio 2 pa a
pa cei os e o neu ónio 3 pa a clien es. Adicionalmen e, oi incluído na camada de en ada um nó
ex a pa a aquilo a que se designa po bias, algo indispensá el pa a uma ede neu onal de eino
com o algo i mo backp opaga ion. Es e nó e á semp e o alo de en ada 1 e sem ele a ede não
ap ende.
A camada in e média, conhecida po camada ocul a, oi de inida com apenas um neu ónio,
o neu ónio 4, que po azões de meno complexidade, que pela na u eza do p oblema, já que
não se e elou necessá io op a po uma camada mais ex ensa. E po im, a camada de saída, que
al como a camada de en ada oi inicializada com ês nós, is o po que na saída de cada nó e a
expec á el que os a ge s de cada pe spe i a ossem alcançados. O neu ónio 5 es a ia associado
ao a ge de luc o, o neu ónio 6 ao a ge de pa cei os e o neu ónio 7 ao de clien es.
O núme o de nós de cada camada oi passado pelo obje o ao mé odo __ini __(), de inido com
o in ui o de inicializa os a ibu os da classe. A ligação en e os a ibu os e os a gumen os oi ei a
a a és do mé odo sel que não é mais do que uma ins ância da classe. Vejamos um exemplo: a
inicialização do núme o de nós na camada de en ada esul ou da seguin e o ma: sel .ni = NI,
4.6 O imização 51
Figu a 4.3: Con igu ação da ede neu onal p oje ada
onde ni é o a ibu o e NI o a gumen o passado pelo obje o que, nes e caso, oi 3. A con igu ação
da ede neu onal implemen ada es á exp essa na Figu a 4.3.
Pa a além da de inição da es u u a das camadas da ede neu onal, o mé odo __ini ()__ co-
nheceu ou as inicializações. Fo am c iados ês e o es, um pa a cada camada, com o in ui o de
inicializa cada nó, o que implica que cada e o possua um núme o de posições igual ao núme o de
neu ónios que a camada espe i a em. Seguiu-se o a amen o dos pesos en e as á ias camadas,
ep esen ados na Figu a 4.3 po w1, w2, w3, w4, w5 e w6. Os pesos são alo es que ep esen am
o g au de impo ância que de e minada en ada possui em elação a de e minado neu ónio. Com
a in enção de gua da os seus alo es, o am c iadas duas ma izes com a mesma dimensão, 3x1.
Uma das ma izes gua da os ês pesos que azem a conexão en e a camada de en ada e a camada
ocul a (w1, w2 e w3), enquan o que a segunda ma iz gua da os pesos que azem a conexão en e
a camada ocul a e a camada de saída (w4, w5 e w6). As ma izes o am o iginadas a a és da
unção makeMa ix() que ecebe como pa âme os o núme o de linhas e colunas.
A inicialização das ma izes oi ealizada a a és da unção andomizeMa ix() que ecebeu
como pa âme os a ma iz c iada, ainda azia, assim como o in e alo de alo es a pa i dos quais
os pesos se iam ge ados alea o iamen e. Nes e caso, os alo es pa a os pesos w1, w2, w3, w4, w5
e w6 o am ge ados pa a o in e alo de 0 a 1.
O úl imo passo na inicialização da ede neu onal consis iu na c iação de duas ou as ma izes,
igualmen e a a és da unção MakeMa ix(), de igual dimensão às an e io es, mas com um obje i o
di e en e, gua da as al e ações dos pesos pa a o momen o.
O código e e en e à inicialização da ede neu onal pode se analisado no anexo G.
4.6.2 P opagação Di e a
Concluída a cons ução e inicialização da ede neu onal, a mesma encon a-se p epa ada pa a
ecebe dados. No conjun o de dados, os dados de en ada X (x1, x2 e x3) ep esen am os alo es
ob idos pa a as ês pe spe i as a a és da simulação. Nes a ase, as en adas o am p opagadas

52 Solução P opos a
a é se em ob idos alo es nas saídas de inidas, p ocedimen o conhecido po p opagação di e a.
Assim, oi c iado um no o mé odo chamado de unNN() que ecebe como pa âme o os dados
de en ada. Caso o núme o de en adas seja di e en e do inicialmen e de inido na inicialização da
ede, o p og ama exibe um e o a epo a o núme o inco e o de en adas, não p osseguindo. Caso
con á io, os dados são gua dados num e o 3x1 c iado aquando da inicialização pa a a camada
de en ada pa a u ilização u u a.
Segue-se a de e minação do alo de en ada pa a cada neu ónio da camada ocul a. Pa a isso,
o p og ama começa po inicializa uma a iá el auxilia a ze o, sum, pe co endo depois cada
neu ónio na camada de en ada com in ui o de acede ao alo de cada um. Uma ez que a ede
p oje ada possui apenas um neu ónio na camada ocul a, como mos a a Figu a 4.3, o seu alo de
en ada oi calculado de aco do com a equação 4.16,
neu on4=x1×w1+x2×w2+x3×w3(4.16)
onde cada elemen o do e o da camada de en ada (x1, x2 e x3) necessi a de se mul iplicado pelo
peso co esponden e ge ado alea o iamen e que az a conexão en e o nó da camada de en ada e
nó da camada ocul a. Po ém, o esul ado ob ido e gua dado na a ía el sum não é o alo inal
pa a a camada ocul a. Como em qualque nó, qualque que seja o con ex o, exis e uma en ada e
uma saída, o que signi ica que o p óximo passo oi o cálculo da saída pa a o nó da camada ocul a.
Es e cálculo oi e e uado eco endo àquilo a que se designa po unção de a i ação. Exis em
á ios ipos de unções de a i ação e a sua u ilização em edes neu onais é mui o impo an e,
no sen ido em que in oduzem uma componen e de não linea idade, aumen ando a capacidade
de ap endizagem da ede e acili ando a al e ação dos pesos no u u o. A unção de a i ação
escolhida oi a unção sigmoid ou logís ica já que pe mi e modela compo amen os cujos alo es
a iem en e 0 e 1, o que ai de encon o com a no malização dos dados da simulação ealizada e
abo dada na subsecção 4.5.2. A o ma g á ica da unção sigmoid, Figu a 4.4, e a sua ep esen ação
ma emá ica na equação 4.17 aduzem isso mesmo.
Figu a 4.4: Função sigmoid
(x) = 1
1+e−x(4.17)
A unção sigmoid() ecebe como pa âme o a a iá el sum com o alo de neu on4, e o nando o
4.6 O imização 53
esul ado inal pa a a saída do neu ónio da camada ocul a dado pela equação 4.18, um alo en e
0 e 1 que ica gua dado no e o 1x1 c iado du an e a inicialização da ede.
(neu on4) = 1
1+e−neu on4(4.18)
O p ocesso epe e-se pa a a camada de saída. O p og ama acede à camada ocul a e u iliza o
seu alo inal pa a calcula os alo es da camada de saída. Es es alo es o am gua dados, al
como no caso an e io , numa a iá el auxilia . Tendo a camada de saída ês neu ónios, os seus
alo es o am calculados de aco do com as equações 4.19,4.20 e4.21,
neu on5= (neu on4)×w4(4.19)
neu on6= (neu on4)×w5(4.20)
neu on7= (neu on4)×w6(4.21)
onde w4, w5 e w6 são os pesos ge ados alea o iamen e que azem a conexão en e o nó da camada
ocul a e cada um dos nós da camada de saída. Tal como acon eceu com o neu ónio da camada
ocul a, o alo inal de cada neu ónio da camada de saída oi ob ido a a és da unção sigmoid(),
equação 4.17, e gua dados no e o 3x1 inicializado logo no a anque da ede neu onal. Es amos
a ala dos alo es (neu on5), (neu on6) e (neu on7). O p ocesso de p opagação di e a e mina
nes e pon o com a ob enção de esul ados nas saídas ace aos pesos ge ados e o seu código es á
p esen e no anexo G.
4.6.3 Re op opagação
Pe an e os pesos ge ados alea o iamen e e os dados inje ados na en ada, a ede neu onal é
capaz de mos a na saída o esul ado ob ido. Esse esul ado pode, no en an o, es a pe o ou longe
do alo que se ia desejá el. É nes e pe íodo que en a em ação o p ocesso de e opopagação cujo
p incipal obje i o passa pelo eino da ede, ga an indo que a saída eal ica á p óxima da saída
al o, minimizando, assim, o e o de cada neu ónio de saída e da ede como um odo. O meio pa a
a ingi es e im inclui ealiza uma mudança inc emen al nos pesos e a o ma como essa mudança
oi ei a se á desc i a a segui .
Seguindo o mesmo aciocínio, oi c iado um no o mé odo, denominado de backP opaga e(),
que ecebeu como pa âme os os alo es p e endidos à saída e a axa de ap endizagem. O p imei o
passo na conc e ização do mé odo oi a inicialização de um e o com a dimensão do núme o de
saídas, 3, pa a u ilização u u a.
54 Solução P opos a
Pa a descob i mos que di eção segui na al e ação dos pesos oi necessá io de e mina qual
a axa ins an ânea de mudança do e o em elação aos pesos. Po ou as pala as, oi u ilizada
a de i ada pa a en ende mos de que modo os pesos a e am as en adas da ede. Es e mé odo é
conhecido po g adien e descenden e e pe mi iu de e mina o modo de al e ação dos pesos que
le a ia a alo es de saída mais p ecisos.
Como p imei o passo, o p og ama acedeu ao alo esul an e do p ocesso de p opagação di e a
pa a cada nó de saída e calculou o e o ace ca do quão dis an e se encon a a cada um desses
alo es do alo espe ado, al como mos a a equação 4.22,
e o ou = a ge − (neu oni),i∈[5,7](4.22)
onde i ep esen a cada nó da camada de saída. Es es e os são de inidos como a ibu os de cada nó
de saída e não a axa inal de que necessi amos. Sob e cada um des es e os oi aplicada a de i ada
da unção de a i ação sigmoid, aduzida pela unção dsigmoid() que ecebe como pa âme o o
alo inal de saída de cada nó, sumi. O cálculo po de ás da unção dsigmoid() es á demons ado
na equação 4.23 e o cálculo sob e o e o, na equação 4.24.
0(neu oni) = (neu oni)×(1− (neu oni)),i∈[5,7](4.23)
ou pu _del ai=e o ou × 0(neu oni),i∈[5,7](4.24)
A de i ada inal de cada nó de saída oi ob ida mul iplicando o ou pu _del ai espe i o pela saída
inal do nó da camada ocul a, como demons a a equação 4.25.
changei=ou pu _del ai×neu oni,i∈[5,7](4.25)
Oou pu _del ai espei an e ao e o de cada nó da camada de saída oi usado pa a pe cebe o
quan o a camada ocul a con ibuiu pa a o e o de saída. Pa a isso, o p og ama começou po
calcula o e o à saída do único neu ónio da camada ocul a de aco do com a equação 4.26,
e o hidden =
6
∑
i=4
ou pu _del ai×wj,j∈[4,6](4.26)
onde wj ep esen a o peso que az a conexão en e o neu ónio da camada ocul a e o neu ónio i da
camada de saída. Tal como acon eceu pa a os neu ónios da camada de saída, ambém pa a o da
camada ocul a oi aplicada a de i ada da unção sigmoid sob e o e o ob ido, equação 4.27.
hiddendel a =e o hidden × 0(neu on4)(4.27)
A de i ada inal pa a o nó da camada ocul a oi de e minada de igual o ma, como exempli ica a
4.6 O imização 55
equação 4.28.
change4=hiddendel a ×neu on4(4.28)
Conhecida a axa inal de mudança do e o que pa a a camada de saída, que pa a a camada
ocul a, designada de change, a ede neu onal es á p on a pa a o ajus e de pesos. Es e ajus e oco eu
de o ma semelhan e que pa a os pesos da camada de saída (w4, w5, w6), que pa a os pesos da
camada de ocul a (w1, w2, w3). O ajus e de w4, w5 e w6 seguiu a equação 4.29 e o ajus e de w1,
w2 e w3 a equação 4.30,
wj=wj+N×changei+M×changeBe o ei,j∈[4,6],i∈[5,7](4.29)
wj=wj+N×change4+M×changeBe o e4,j∈[1,3](4.30)
onde wjdo lado di ei o das equações ep esen a o peso ge ado na i e ação an e io , changeBe o ei
echangeBe o e4a axa inal pa a o nó de saída i e a axa inal pa a o nó da camada ocul a,
espe i amen e, na i e ação an e io , N a axa de ap endizagem e M a axa de impulso. Nes a ase,
o p og ama gua da as axas inais calculadas pa a cada um dos nós de saída, changeie pa a o nó
da camada ocul a, change4, em e o es de inidos pa a o e ei o aquando da inicialização da ede
uma ez a a em-se de alo es que o am u ilizados a cada i e ação.
O p ocesso de e op opação e mina com o cálculo do e o o al que mos a o quão longe
es e e a ede das saídas desejadas. O e o o al oi calculado de aco do com a equação 4.31,
esul ando no soma ó io do e o de pe da pa a cada neu ónio de saída.
o al_e o = o al_e o + (0.5×( a ge i−neu oni)2),i∈[5,7](4.31)
A pa e de código espei an e ao p ocesso de e op opagação es á p esen e no anexo G.
4.6.4 T eino
A lógica de uncionamen o da ede neu onal é baseada no p ocesso de eino de dados que
engloba o p ocesso de p opagação di e a e e op opagação. Pa a que a ase de eino pudesse e
início impunha-se a c iação de uma unção que in ocasse pela o dem co e a odos os mé odos
c iados esponsá eis pela execução da ede neu onal. Como em qualque p og ama, essa unção
oi nomeada de main(). Nes a unção o am omados qua o passos imp escindí eis. O p imei o
deles, a de inição dos dados pa a eino a a és de uma ma iz 2x3 implemen ada como uma lis a
de duas lis as de comp imen o 3. A p imei a posição da lis a icou alocada pa a os dados de
en ada e a segunda posição pa a os a ge s. O dados de en ada dizem espei o aos alo es ob idos
62 Conclusões e T abalho Fu u o

Re e ências
[1] Min Huang e al. «4PL ou ing op imiza ion unde eme gency condi ions». Em: Knowledge-
Based Sys ems (2015). ISSN: 09507051. DOI:10.1016/j.knosys.2015.06.023.
[2] Chen Tung Chen, Ching To ng Lin e Sue Fn Huang. «A uzzy app oach o supplie e alu-
a ion and selec ion in supply chain managemen ». Em: In e na ional Jou nal o P oduc ion
Economics (2006). ISSN: 09255273. DOI:10.1016/j.ijpe.2005.03.009.
[3] Chin Nung Liao e Hsing Pei Kao. «An in eg a ed uzzy TOPSIS and MCGP app oach o
supplie selec ion in supply chain managemen ». Em: Expe Sys ems wi h Applica ions
(2011). ISSN: 09574174. DOI:10.1016/j.eswa.2011.02.031.
[4] Análise Fa o ial, uma impo an e écnica mul i a iada.h p://www.abgconsul o ia.
com.b /blog/analise- a o ial. Úl ima isi a: 3 de Ab il de 2018.
[5] Velu C M e Kashwan K R. «A i icial Neu al Ne wo k Based Da a Mining Technique o
Cus ome Classi ica ion o Ma ke Fo ecas ing». Em: (2015).
[6] Ying Yu e al. «E-comme ce Logis ics in Supply Chain Managemen : P ac ice Pe spec i e».
Em: P ocedia CIRP. 2016. DOI:10.1016/j.p oci .2016.08.002.
[7] Fa e ch: A Emp esa do Fu u o.h p : // www . openlimi s. p / p / hinking -
ahead-blog/ a e ch-emp esa- u u o-omnichannel/?all=1. Úl ima isi a:
3 de Ab il de 2018.
[8] Fa e ch: A emp esa que unde ecnologia e moda de luxo.h p://saldoposi i o.
cgd.p /emp esas/ a e ch-emp esa-que- unde- ecnologia-e-moda-
de-luxo/. Úl ima isi a: 3 de Ab il de 2018.
[9] Kannan Go indan e al. «Fuzzy mul i-objec i e app oach o op imal selec ion o supplie s
and anspo a ion decisions in an eco-e icien closed loop supply chain ne wo k». Em:
Jou nal o Cleane P oduc ion (2017). ISSN: 09596526. DOI:10.1016/j.jclep o.
2017.06.180.
[10] Tamás Bányai, Pé e Ve es e Béla Illés. «Heu is ic supply chain op imiza ion o ne wo ked
main enance companies». Em: P ocedia Enginee ing. 2015. DOI:10.1016/j.p oeng.
2015.01.341.
63
64 REFERÊNCIAS
[11] How o Reduce Cos s h ough Supply Chain Ne wo k Op imiza ion.h ps : / / www .
linkedin . com / pulse / how - educe - cos s - h ough - supply - chain -
ne wo k-s anley-j-oakley. Úl ima isi a: 4 de Ab il de 2018.
[12] Na halie Sil a e al. «Imp o ing Supply Chain Visibili y Wi h A i icial Neu al Ne wo ks».
Em: P ocedia Manu ac u ing (2017). ISSN: 23519789. DOI:10 . 1016 / j . p om g .
2017.07.329.
[13] Paulo Be aglia. «Logis ica e Ge enciamen o da Cadeia de Abas ecimen o - BERTAGLIA».
Em: (2009), pp. 1–35.
[14] Make-O -Buy decision.h ps://www.in es opedia.com/ e ms/m/make-o -
buy-decision.asp. Úl ima isi a: 3 de Ab il de 2018.
[15] A. P akash e al. «Ne wo k op imiza ion in supply chain: A KBGA app oach». Em: Deci-
sion Suppo Sys ems (2012). ISSN: 01679236. DOI:10.1016/j.dss.2011.10.024.
[16] Celia F ank e al. «NTC P ojec : S01-PH10 ( o me ly I01-P10) 1 Fo ecas ing Women’s
Appa el Sales Using Ma hema ical Modeling». Em: (2003). URL:h p:// acul y.
philau.edu/ ankc/n c.
[17] Ope ado es logís icos e a cadeia de se iços logís icos.h ps : / / p . linkedin .
com/pulse/ope ado es-logís icos-e- cadeia- de- se iços- he i on-
od igues-a an es. Úl ima isi a: 3 de Ab il de 2018.
[18] A Bi an e, F Pe e sson e H Sax En. «Op imiza ion o a small-scale LNG supply chain».
Em: (2018). DOI:10.1016/j.ene gy.2018.01.120.
[19] Ana Isabel Ce quei a De Sousa e al. «O imização de Cadeias de Abas ecimen o Engenha ia
e Ges ão Indus ial». Em: (2014).
[20] Wan Yu Liu, Chun Cheng Lin e Tzu Lei Yeh. «Supply chain op imiza ion o o es biomass
elec ici y and bioe hanol cop oduc ion». Em: Ene gy (2017). ISSN: 03605442. DOI:10.
1016/j.ene gy.2017.08.018.
[21] P. C.L. Hui e T. M. Choi. «Using a i icial neu al ne wo ks o imp o e decision making
in appa el supply chain sys ems». Em: In o ma ion Sys ems o he Fashion and Appa el
Indus y. 2016. ISBN: 9780081005804. DOI:10 . 1016 / B978 - 0 - 08 - 100571 - 2 .
00005-1.
[22] Você sabe o que é o 4PL? h p:// gl.com.b / oce-sabe-o-que-e-o-4pl/7.
Úl ima isi a: 3 de Ab il de 2018.
[23] wha is 1PL,2PL,3PL and 4PL LOGISTICS? | RASVI.h p:// as imk.blogspo .
com/2013/11/wha -is-1pl2pl3pl-and-4pl-logis ics.h ml. Úl ima isi a:
20 de Fe e ei o de 2018.
Anexo A: Diag ama de Gan
65
66
Anexo B: Que ies
Que y Usada pa a C ia No a Tabela na Base de Dados
IF OBJECT_ID (’BI_ANALYTICS.[FARFETCH joao.ma inho].o de s’,’U’) IS NOT NULL
DROP TABLE BI_ANALYTICS.[FARFETCH joao.ma inho].o de s;
CREATE TABLE BI_ANALYTICS.[FARFETCH joao.ma inho].o de s (
O igCoun yCode a cha (255) ,
Des Coun yCode a cha (255) ,
p oduc a cha (255),DEFAULT (’L’) ,
cu ency a cha (255),DEFAULT (’GBP’) ,
[Weigh (kg)] FLOAT );
INSERT INTO BI_ANALYTICS.[FARFETCH joao.ma inho].o de s
(O igCoun yCode,Des Coun yCode,[Weigh (kg)])
VALUES {0[0]} ;
Que y Usada pa a Ob e os Dados Ace ca dos Cus os de T anspo e
Associados à DHL Exp ess
selec dhl1.[Weigh (kg)]
,dhl1.[O igCoun yCode]
,dhl1.[Des Coun yCode]
, ound(1.1175*P icesDHL.[Values],2) as Expec edCha ge
om [BI_Analys s].[FARFETCH joao.ma inho] o de s.dhl1
LEFT join [BI_ANALYTICS].[dbo].[OPS_Del_IR_Zones] zones on
dhl1.o igcoun ycode = zones. omcoun ycode and
dhl1.des coun ycode = zones. ocoun ycode
LEFT join [BI_ANALYTICS].[dbo].[OPS_Del_IR_Se ices] [se ices] on
[se ices].sk_se ice = zones.sk_se ice
inne join [BI_ANALYTICS].[dbo].[OPS_Del_IR_se ices_aux] [se ices_aux] on
[se ices_aux].sk_se ice = zones.sk_se ice
LEFT join [BI_ANALYTICS].[dbo].[OPS_Del_IR_Type] [ ype] on [ ype].sk_ ype = zones.sk_ ype
LEFT join [BI_ANALYTICS].[dbo].[OPS_Del_IR_P icesDHL] [p icesDHL] on
67

[p icesDHL].zones = zones.zone and
[p icesDHL].sk_se ice = zones.sk_se ice and
[p icesDHL].sk_ ype = zones.sk_ ype
whe e dhl1.Cu ency = ’GBP’
and zones.P iceDa e = ’2017-01-09’
and [p icesDHL].P iceDa e = ’2017-01-09’
and [se ices].sk_se ice = 7
and ca ie _code = ’U’
and dhl1.[Weigh (kg)] >[p icesDHL].[Weigh _F om] and dhl1.[Weigh (kg)] <= [p icesDHL].[Weigh _ o]
o de by [Weigh (kg)]
Exemplo de um Exce o do Resul ado De ol ido pela Que y An e io
Weigh (kg) O igCoun yCode Des Coun yCode Expec edCha ge
0,5 GB HR 10,05
0,5 US US 3,35
1 ES HR 13,56
1 IT AE 13,56
1,3 CY AT 11,12
1,3 IT SK 11,12
1,5 RO VN 15,39
1,5 PL AU 15,39
1,8 FR CN 15,91
1,8 PT CH 18,26
2 PT VN 16,81
2 IT AU 16,81
3,5 PL FR 15,33
3,5 RO DE 15,33
6 PL BR 40,69
6 RO BR 40,69
8,5 SE GB 25,9
8,5 ES GB 25,9
68
Que y Usada pa a Ob e os Dados Ace ca dos Cus os de T anspo e
Associados à DHL S anda d
selec dhl1.[Weigh (kg)]
,dhl1.[O igCoun yCode]
,dhl1.[Des Coun yCode]
, ound(1.1175*P icesDHL.[Values],2) as Expec edCha ge
om [BI_Analys s].[FARFETCH joao.ma inho] o de s.dhl1
LEFT join [BI_ANALYTICS].[dbo].[OPS_Del_IR_Zones] zones on
dhl1.o igcoun ycode = zones. omcoun ycode and
dhl1.des coun ycode = zones. ocoun ycode
LEFT join [BI_ANALYTICS].[dbo].[OPS_Del_IR_Se ices] [se ices] on
[se ices].sk_se ice = zones.sk_se ice
inne join [BI_ANALYTICS].[dbo].[OPS_Del_IR_se ices_aux] [se ices_aux] on
[se ices_aux].sk_se ice = zones.sk_se ice
LEFT join [BI_ANALYTICS].[dbo].[OPS_Del_IR_Type] [ ype] on [ ype].sk_ ype = zones.sk_ ype
LEFT join [BI_ANALYTICS].[dbo].[OPS_Del_IR_P icesDHL] [p icesDHL] on
[p icesDHL].zones = zones.zone and
[p icesDHL].sk_se ice = zones.sk_se ice and
[p icesDHL].sk_ ype = zones.sk_ ype
whe e dhl1.Cu ency = ’GBP’
and zones.P iceDa e = ’2017-01-09’
and [p icesDHL].P iceDa e = ’2017-01-09’
and ca ie _code = ’h’
and dhl1.[Weigh (kg)] >[p icesDHL].[Weigh _F om]
and dhl1.[Weigh (kg)] <= [p icesDHL].[Weigh _ o]
o de by [Weigh (kg)]
69
Exemplo de um Exce o do Resul ado De ol ido pela Que y An e io
Weigh (kg) O igCoun yCode Des Coun yCode Expec edCha ge
0,5 DE BE 7,99
0,5 FR NL 7,99
1,3 SE GB 12,4
1,3 ES GB 12,4
1,5 PT SK 11,32
1,5 RO AT 11,32
1,8 NL IT 9,66
1,8 PT BE 9,66
2 PT IT 10,62
2 IT AT 10,62
2,5 LU AT 9,66
2,5 SE NL 9,66
3 DE GB 10,62
3 LU GB 9,13
5,5 DE HR 11,32
5,5 FR SK 11,32
6 PT NL 9,66
6 DE ES 9,66
8,5 FR CH 12,61
8,5 GB NL 8,57
Que y Usada pa a C ia No a Tabela na Base de Dados
IF OBJECT_ID (’BI_ANALYTICS.[FARFETCH joao.ma inho].ships’,’U’) IS NOT NULL
DROP TABLE BI_ANALYTICS.[FARFETCH joao.ma inho].ships;
CREATE TABLE BI_ANALYTICS.[FARFETCH joao.ma inho].ships (
zone a cha (255) ,
[weigh ] a cha (255) );
INSERT INTO BI_ANALYTICS.[FARFETCH joao.ma inho].ships
(zone,[weigh ])
VALUES {0[0]};
70
Que y Usada pa a Ob e os Dados Ace ca das Zonas e Respe i os Cus-
os Associados à UPS Exp ess
selec zones
,([Values]*0.8)as p ice
,ships.[weigh ]
om BI_ANALYTICS..[OPS_Del_IR_P icesUPSUS] emp
LEFT join BI_ANALYTICS.[FARFETCH joao.ma inho].ships ships on ships.zone = emp.zones
whe e ships.[weigh ] >= weigh _ om
and ships.[weigh ] <Weigh _To
Exemplo de um Exce o do Resul ado De ol ido pela Que y An e io
Zones p ice weigh
002 5,856 1.0
002 5,856 2.0
002 8,576 1.0
003 5,856 1.0
003 5,856 2.0
003 8,576 1.0
004 5,856 1.0
004 5,856 2.0
004 8,576 1.0
005 5,856 1.0
005 5,856 2.0
005 8,576 1.0
006 5,856 2.0
006 8,576 1.0
006 8,576 2.0
007 5,856 1.0
007 5,856 2.0
008 5,856 1.0
008 5,856 2.0
71
S ockEndO Week Q ySalesO line_All Season Ca ego y Family
6 3 SS18 Loa e s Shoes
0 0 SS16 Walle s & Pu ses Accesso ies
0 11 SS17 Swea e s & Kni wea Clo hing
0 2 SS17 Pumps Shoes
0 5 AW17 Backpacks Bags
0 8 AW17 T aine s Shoes
0 3 AW17 Tops Boys Clo hing
5 1 SS18 T-Shi s & Ves s Clo hing
0 3 AW17 Swea e s & Kni wea Clo hing
2 0 SS18 Jacke s Clo hing
0 2 SS16 T-Shi s & Ves s Clo hing
0 2 SS17 D esses Clo hing
0 6 AW17 Denim Clo hing
78

Anexo C: Dados Ex e nos
Exce o de Zonas pa a a UPS Exp ess
ozip omzip zone
010 100 202
010 331 206
012 331 206
014 076 203
016 303 205
016 333 206
017 212 204
017 900 208
018 946 208
019 070 203
019 073 203
020 303 205
020 941 208
021 021 202
021 070 203
029 980 208
031 076 203
032 100 203
037 076 203
79
Exce o de Zonas pa a a UPS S anda d
ozip omzip zone
770 949 007
770 972 008
770 980 008
770 981 008
772 100 006
772 902 006
773 068 006
773 070 006
773 073 006
773 076 006
813 070 007
813 100 007
813 110 007
813 900 005
814 076 007
986 980 002
988 100 008
991 076 008
991 078 008
80
Anexo D: Código da Simulação
Ligação à Base de Dados
81
Consul a de Dados pa a Cus os de T anspo e DHL
Consul a de Dados pa a Cus os de T anspo e UPS
82
Lógica da Simulação
83

84
85
86
87
Ca ego y Family P o i Cus ome s Pa ne s
Swea e s & Kni wea Clo hing 0,030341303 0,091383812 0
Shoulde Bags Bags 0,059969893 0,052219321 0,8
Vin age Jewelle y Vin age & A chi e 0,12218575 0,049608355 1
T aine s Shoes 0,03632983 0,062663185 0,166666667
Ha s Gi ls Accesso ies 0,047607223 0,083550914 0,25
Jacke s Clo hing 0,064816478 0,088772846 0,5
T aine s Shoes 0,345826305 0,093994778 0,352941176
Boo s Shoes 0,012503667 0,054830287 0,545454545
Denim Clo hing 0,086107859 0,052219321 0,307692308
T aine s Shoes 0,065159405 0,156657963 0,111111111
Tops Clo hing 0,033763197 0,195822454 0,666666667
Shi s Clo hing 0,077416764 0,057441253 0,153846154
Kni wea Clo hing 0,035326789 0,036553525 1
Tops Clo hing 0,025719063 0,122715405 0,666666667
D esses Clo hing 0,029227383 0,044386423 0
Ski s Clo hing 0,033596248 0,041775457 0
Tops Clo hing 0,029095128 0,046997389 0,5
Vin age Jewelle y Vin age & A chi e 0,072829107 0,120104439 0,5
Ski s Clo hing 0,028768012 0,120104439 0,333333333
Coa s Clo hing 0,017433573 0,054830287 0,5
T-Shi s & Ves s Clo hing 0,038476574 0,117493473 0,6
94

Anexo F: Es a ís icas
G á ico Ci cula sob e a Pe cen agem de Encomendas po Me cado
pa a um Dia
Numbe o o de s Con inen Numbe o o de s Pe cen age
2877 A ica and India 0 0
Asia Paci ic 877 30,48314216
Eu ope 1171 40,70212026
Middle Eas 106 3,684393465
La in Ame ican
and he Ca ibbean 29 1,007994439
The Uni ed S a es
& Canada 694 24,1223497
95
G á ico de Ba as sob e o Luc o Médio po Me cado pa a um Dia
Numbe o o de s Con inen A e age p o i Ta ge
2877 A ica and India 0 33
Asia Paci ic 19,05709435 33
Eu ope 19,00308268 33
Middle Eas 18,99793838 33
La in Ame ican
and he Ca ibbean 18,94107918 33
The Uni ed S a es
& Canada 19,06128995 33
96
G á ico de Ba as sob e o Lead Time Médio po Me cado pa a um Dia
Numbe o o de s Con inen A e age lead ime Ta ge
2877 A ica and India 0 1,65
Asia Paci ic 1,302762373 1,65
Eu ope 1,302986648 1,65
Middle Eas 1,304785561 1,65
La in Ame ican
and he Ca ibbean 1,304449982 1,65
The Uni ed S a es
& Canada 1,303301788 1,65
97
G á ico de Ba as sob e as Vendas Médias Online po Es ação pa a
uma Semana
Season Online sales a e age Ta ge
AW09 3,666666667 23,1
AW10 11,78608425 23,1
AW11 12,080268 23,1
AW13 12,08151237 23,1
AW14 12,09885295 23,1
AW15 12,09076154 23,1
AW16 12,04971669 23,1
AW17 12,05779832 23,1
AW18 12,08223246 23,1
SS10 33 23,1
SS11 12,11223154 23,1
SS12 11,86857908 23,1
SS13 12,12718387 23,1
SS14 12,07285298 23,1
SS15 12,02297302 23,1
SS16 12,04943225 23,1
SS17 12,04983921 23,1
SS18 12,06054281 23,1
A chi e 12,34163933 23,1
Ca yo e 12,03079657 23,1
Vin age 12,03815736 23,1
98
G á ico de Ba as sob e as Vendas Médias Online po Família de P o-
du o pa a uma Semana
Family Online sales a e age Ta ge
Accesso ies 12,04348333 23,1
Ac i ewea 12,23014107 23,1
Baby Boy Accesso ies 12,09944449 23,1
Baby Boy Clo hing 12,05327188 23,1
Baby Boy Shoes 10,68211079 23,1
Baby Gi l Clo hing 12,0753246 23,1
Bags 12,06199088 23,1
Beau y 12,05085538 23,1
Boys Acesso ies 12,09622937 23,1
Boys Clo hing 12,08124924 23,1
Boys Shoes 12,0476974 23,1
Clo hing 12,05779832 23,1
Fine Jewelle y 12,11735612 23,1
Gi ls Accesso ies 12,05199644 23,1
99

Gi ls Clo hing 12,06154845 23,1
Gi ls Shoes 12,06049773 23,1
Jewelle y 12,06071875 23,1
Li es yle 12,05507931 23,1
Shoes 12,04971669 23,1
Teen Boy Clo hing 12,06436857 23,1
Teen Gi l Accesso ies 12,02481051 23,1
Teen Gi l Clo hing 12,03383817 23,1
Teen Gi l Shoes 0 23,1
Vin age & A chi e 12,03815736 23,1
100
Anexo G: Rede Neu onal
Código de Inicialização
101
Código de P opagação Di e a
102
Código de Re op opagação
103
G á ico de Ba as sob e o Lead Time Médio po Me cado pa a um Dia
Numbe o o de s Con inen A e age lead ime Ta ge
2877 A ica and India 0 0,669
Asia Paci ic 0,584326986 0,669
Eu ope 0,583821464 0,669
Middle Eas 0,584782215 0,669
La in Ame ican
and he Ca ibbean 0,584790505 0,669
The Uni ed S a es
& Canada 0,583920501 0,669
110

G á ico de Ba as sob e as Vendas Médias Online po Es ação pa a
uma Semana
Season Online sales a e age Ta ge
AW09 13.67666667 86.163
AW10 43.96209425 86.163
AW11 45.05939963 86.163
AW13 45.06404113 86.163
AW14 45.12872149 86.163
AW15 45.09854053 86.163
AW16 44.94544324 86.163
AW17 44.97558772 86.163
AW18 45.06672707 86.163
SS10 123.09 86.163
SS11 45.17862365 86.163
SS12 44.26979996 86.163
SS13 45.23439582 86.163
SS14 45.03174161 86.163
SS15 44.84568936 86.163
SS16 44.94438229 86.163
SS17 44.94590026 86.163
SS18 44.98582469 86.163
A chi e 46.03431469 86.163
Ca yo e 44.87487121 86.163
Vin age 44.90232695 86.163
111
G á ico de Ba as sob e as Vendas Médias Online po Família de P o-
du o pa a uma Semana
Family Online sales a e age Ta ge
Accesso ies 44.92219282 86.163
Ac i ewea 45.61842618 86.163
Baby Boy Accesso ies 45.13092794 86.163
Baby Boy Clo hing 44.95870411 86.163
Baby Boy Shoes 39.84427324 86.163
Baby Gi l Clo hing 45.04096076 86.163
Bags 44.99122597 86.163
Beau y 44.94969058 86.163
Boys Acesso ies 45.11893555 86.163
Boys Clo hing 45.06305965 86.163
Boys Shoes 44.93791131 86.163
Clo hing 44.97558772 86.163
Fine Jewelle y 45.19773831 86.163
Gi ls Accesso ies 44.9539467 86.163
112
Gi ls Clo hing 44.98957571 86.163
Gi ls Shoes 44.98565654 86.163
Jewelle y 44.98648092 86.163
Li es yle 44.96544582 86.163
Shoes 44.94544324 86.163
Teen Boy Clo hing 45.00009476 86.163
Teen Gi l Accesso ies 44.85254321 86.163
Teen Gi l Clo hing 44.88621636 86.163
Teen Gi l Shoes 0 86.163
Vin age & A chi e 44.90232695 86.163
113