Calculadora de Analise XYZ (Classificacao por Variabilidade da Demanda e Matriz ABC-XYZ)

O que a ferramenta calcula

A calculadora responde a pergunta que abre todo ciclo de previsao: quanto cada item da minha carteira e previsivel, e portanto qual metodo cada um merece? Voce cola uma coluna de demanda por SKU, um item por linha, com o nome seguido da sua serie de periodos, e a ferramenta emparelha cada valor da serie, calcula a media, o desvio padrao e o coeficiente de variacao, e converte esse coeficiente numa classe X, Y ou Z segundo os limiares que voce definir. A partir dai ela nao entrega um numero solto: monta uma tabela por SKU com a media, o coeficiente de variacao, a classe, o metodo de previsao recomendado e o padrao de intermitencia, mostra a contagem de itens em cada classe e escreve uma nota que resume o que fazer com cada grupo.

Alem da classificacao basica, a ferramenta entrega tres coisas que um formulario simples nao da. Ela desenha um grafico de barras do coeficiente de variacao de cada SKU, com as linhas de limiar X e Y tracadas, e colore cada barra pela classe, verde para X, ambar para Y e vermelho para Z, para voce ver de relance como o catalogo se distribui. Ela cruza a classificacao XYZ com uma classificacao ABC de valor, quando voce informa o valor anual de cada item, e monta a matriz ABC-XYZ de nove celulas que diz onde vale a pena concentrar atencao. E ela sinaliza o padrao de intermitencia de cada item, separando a demanda suave da erratica, intermitente e irregular, porque um coeficiente de variacao alto pode vir tanto de uma demanda ruidosa e continua quanto de uma demanda rara e liga-desliga, e essas duas precisam de tratamento diferente. Tudo isso acontece no seu navegador, sem enviar nada a servidor nenhum, e voce pode baixar um PDF, exportar um CSV ou compartilhar o resultado.

Como funciona: as formulas da analise XYZ

Para cada SKU com uma serie de demanda ao longo de n periodos, a media e simplesmente a soma dos valores dividida pelo numero de periodos: media = soma(D) / n. A media e o ponto de referencia em torno do qual a variabilidade e medida, e tambem o denominador que torna o coeficiente de variacao uma medida sem escala. Um item cuja media e zero nao pode ser classificado, porque dividir por zero e indefinido; na pratica, uma media zero significa demanda praticamente ausente, um caso extremo de intermitencia que a ferramenta trata a parte.

O desvio padrao mede o quanto a serie oscila em torno da sua media, e a ferramenta deixa voce escolher entre duas formas. O desvio padrao populacional e sigma = raiz de (soma((D menos media) ao quadrado) / n); ele e o padrao e a escolha classica da analise XYZ, porque trata a historia observada como a populacao inteira que interessa. O desvio padrao amostral e s = raiz de (soma((D menos media) ao quadrado) / (n menos 1)); e o que a funcao STDEV de uma planilha usa, e fica um pouco maior, sobretudo em series curtas, porque divide por n menos 1 em vez de n. A escolha entre as duas pode mover um item de borda de uma classe para a vizinha, entao vale saber qual esta em uso.

O coeficiente de variacao e o coracao da analise: CV = sigma / media. Ele expressa o desvio padrao como uma fracao da media, entao remove a escala e permite comparar a variabilidade de um item que vende dez unidades por mes com a de um que vende dez mil. Um coeficiente de variacao proximo de zero descreve uma demanda muito estavel; um coeficiente de variacao de 1,0 significa que o desvio padrao e igual a propria media, uma oscilacao grande; acima disso, a demanda e cada vez mais erratica. E esse unico numero, o coeficiente de variacao, que resume o quao previsivel cada SKU e.

A classe XYZ sai da comparacao do coeficiente de variacao com dois limiares. No conjunto padrao, um item e X quando o CV e menor ou igual a 0,5, Y quando o CV esta entre 0,5 e 1,0, e Z quando o CV passa de 1,0. Mas nao existe um padrao universal: algumas fontes usam 0,25 e 0,5, outras usam cortes percentuais como 10 por cento e 25 por cento, e a escolha depende do catalogo. Por isso os limiares sao editaveis, com presets de 0,5 / 1,0, 0,25 / 0,5 e 0,10 / 0,25, e a leitura correta e tratar os cortes como uma politica a ajustar, e nao como uma lei.

O que cada classe significa determina o metodo a usar. O item X e estavel e facil de prever, entao uma media movel ou uma suavizacao exponencial simples basta, com estoque de seguranca enxuto. O item Y e variavel, com tendencia ou sazonalidade, entao uma regressao linear ou um indice sazonal captura o padrao, com estoque de seguranca moderado. O item Z e erratico ou intermitente, entao a previsao estatistica e pouco confiavel, e a estrategia passa a ser manter mais estoque de seguranca ou trabalhar sob pedido, sempre validando qualquer modelo com as metricas de erro. A analise XYZ nao substitui a previsao; ela decide qual previsao faz sentido para cada item.

Para os itens erraticos, uma coluna avancada opcional le o padrao de intermitencia. O intervalo medio entre demandas, ou ADI, e o numero de periodos dividido pelo numero de periodos com demanda diferente de zero: ADI = n / (periodos nao nulos). Junto com o quadrado do coeficiente de variacao dos tamanhos de demanda nao nulos, o ADI separa a demanda em suave, erratica, intermitente e irregular, nos cortes ADI = 1,32 e CV ao quadrado = 0,49, segundo o criterio de Syntetos e Boylan. A demanda irregular, rara e ao mesmo tempo muito variavel, e a mais dificil de todas e aponta para metodos do tipo Croston, e nao para a suavizacao comum.

A matriz ABC-XYZ e a camada opcional final. Se voce informar um valor anual por SKU, a ferramenta ordena os itens por valor e aplica o principio de Pareto: os itens A vao ate cerca de 80 por cento do valor acumulado, os B ate 95 por cento e os C sao o restante. Cruzando essa classificacao ABC de valor com a classificacao XYZ de variabilidade, obtem-se uma grade de nove celulas. Um item AX e de alto valor e previsivel, entao vale automatizar a reposicao e manter estoque enxuto; um item CZ e de baixo valor e erratico, entao um controle simples de minimo e maximo, ou ate a descontinuacao, e a resposta. Como guardas de qualidade, use pelo menos um ano de historia, cerca de doze periodos, para que os coeficientes de variacao sejam estaveis; lembre que uma media zero nao pode ser classificada; e nunca confie so no coeficiente de variacao para itens irregulares, porque ele nao distingue o irregular do apenas variavel sem a leitura do ADI.

Cinco exemplos resolvidos de analise XYZ

Exemplo 1: os quatro SKUs padrao, classificacao completa

A serie padrao da ferramenta traz quatro SKUs ao longo de seis periodos, com os limiares X CV menor ou igual a 0,5, Y CV menor ou igual a 1,0, e desvio padrao populacional. O SKU A tem demanda 100, 102, 98, 101, 99, 100, uma media de 100 e um coeficiente de variacao de 0,013, portanto classe X. O SKU B tem demanda 40, 60, 50, 70, 30, 50, uma media de 50 e um coeficiente de variacao de 0,258, tambem classe X. O SKU C tem demanda 20, 80, 40, 10, 60, 30, uma media de 40; o seu desvio padrao populacional e 23,80, entao o coeficiente de variacao e 23,80 dividido por 40, que da 0,595, classe Y. O SKU D tem demanda 0, 0, 50, 0, 10, 0, uma media de 10 e um coeficiente de variacao de 1,826, classe Z. O resultado e X 2, Y 1, Z 1. A licao esta na leitura conjunta: o coeficiente de variacao transforma cada historia de demanda num unico numero que diz o quao previsivel ela e, e a classe encaminha cada SKU ao metodo certo. Roteie A e B a uma media movel ou suavizacao exponencial, C a uma regressao ou um indice sazonal, e D ao trabalho sob pedido com mais estoque de seguranca, anotando que ele e intermitente, um caso para o metodo de Croston.

Exemplo 2: desvio padrao populacional contra amostral no SKU C

Pegue o SKU C, com demanda 20, 80, 40, 10, 60, 30 e media 40. A soma dos quadrados dos desvios em torno da media e 3400. Com o desvio padrao populacional, sigma = raiz de (3400 / 6) = 23,80, e o coeficiente de variacao e 23,80 dividido por 40, ou seja 0,595. Com o desvio padrao amostral, s = raiz de (3400 / 5) = 26,08, e o coeficiente de variacao sobe para 0,652. Nos dois casos o SKU C permanece na classe Y sob os limiares padrao, mas repare como a forma amostral leu mais alto. Numa serie curta e perto de um limiar, essa diferenca pode empurrar um item para a classe seguinte. A licao e simples: use o desvio padrao populacional para a analise XYZ classica, e saiba que a funcao STDEV de uma planilha usa a forma amostral, que le um pouco acima e pode reclassificar um item de borda.

Exemplo 3: movendo os limiares

Sobre os mesmos quatro SKUs, troque os limiares de 0,5 / 1,0 para os mais apertados 0,25 / 0,5 e veja o catalogo se reorganizar. O SKU B, com coeficiente de variacao 0,258, agora ultrapassa o novo corte de X em 0,25 e cai para a classe Y. O SKU C, com coeficiente de variacao 0,595, agora ultrapassa o novo corte de Y em 0,5 e cai para a classe Z. O SKU A continua X, com 0,013 bem abaixo de tudo, e o SKU D continua Z, com 1,826. A licao e que os cortes X, Y e Z sao uma decisao de politica, e nao uma lei da natureza: aperte os limiares quando quiser que so os itens realmente estaveis fiquem em X, afrouxe quando quiser um grupo X mais amplo, e reclassifique de novo sempre que a historia de demanda crescer ou o proprio catalogo mudar.

Exemplo 4: demanda intermitente e o padrao ADI

O SKU D tem demanda 0, 0, 50, 0, 10, 0, com valor diferente de zero em apenas 2 dos 6 periodos. O intervalo medio entre demandas e entao 6 dividido por 2, ou seja 3,0, bem acima do corte de 1,32, entao o item sinaliza intermitente em vez de suave. Junto com o seu coeficiente de variacao alto de 1,826, isso confirma que estamos diante de uma demanda liga-desliga, tipica de pecas de reposicao, e nao de uma demanda continua mas ruidosa. A licao e que um coeficiente de variacao alto pode vir tanto de uma demanda irregular e intermitente quanto de uma demanda estavel porem barulhenta, e e o padrao ADI que os distingue. Ler o ADI antes de confiar so no coeficiente de variacao evita aplicar uma suavizacao a um item que precisaria de um metodo feito para a intermitencia.

Exemplo 5: a matriz ABC-XYZ

Adicione os valores anuais A 100000, B 5000, C 3000 e D 1000 ao lado das series. Por valor acumulado, o SKU A sozinho representa cerca de 92 por cento do valor total, entao, com os cortes de 80 e 95 por cento, a ordenacao de valor distribui os itens entre as faixas A, B e C. Cruzando essa classificacao de valor com as classes X, Y e Z de variabilidade, preenche-se a grade de nove celulas. A licao e que valor e variabilidade juntos dizem onde investir atencao: um item AX e de alto valor e previsivel, entao automatize a reposicao e mantenha estoque enxuto; um item CZ e de baixo valor e erratico, entao limite-o com um controle de minimo e maximo ou considere descontinua-lo. A matriz transforma duas listas separadas numa unica prioridade de gestao, dizendo nao so o quanto cada item importa, mas tambem o quanto ele e previsivel.

Tres dicas de especialista para a analise XYZ

Trate os limiares como um dial, nao como uma constante

Os cortes X, Y e Z publicados variam muito, de 0,1 / 0,25 ate 0,5 / 1,0, e nao existe um padrao unico, entao comece pelo comum 0,5 / 1,0, olhe como o seu catalogo se reparte e aperte ou afrouxe ate que o grupo X seja de fato o conjunto de itens que voce esta disposto a prever de forma automatica. Se metade do catalogo cai em X com os limiares padrao, talvez eles estejam frouxos demais para o seu caso; se quase nada chega a X, talvez estejam apertados demais. Reveja os limiares sempre que a historia de demanda crescer, porque uma serie mais longa costuma dar coeficientes de variacao mais estaveis e pode mudar o quadro.

Classifique pela variabilidade, depois deixe a classe escolher o metodo

A analise XYZ e a porta de entrada da previsao: os itens X sao estaveis, entao uma media movel ou uma suavizacao exponencial basta; os itens Y carregam tendencia ou sazonalidade, entao use uma regressao linear ou um indice sazonal; os itens Z sao erraticos, entao a previsao por suavizacao e pouco confiavel e voce se apoia em estoque de seguranca ou no trabalho sob pedido. O ganho de classificar primeiro e nao gastar esforco de modelagem sofisticada num item que nao o merece, nem aplicar um modelo simples demais a um item que exige mais. Depois de escolher o metodo pela classe, valide-o sempre com as metricas de erro de previsao, porque a classe indica o caminho mas a medicao confirma se ele funcionou.

Leia o padrao ADI antes de confiar no CV em itens irregulares

Um coeficiente de variacao alto pode significar demanda estavel porem ruidosa ou demanda rara e liga-desliga, e as duas pedem tratamentos diferentes. O intervalo medio entre demandas e o quadrado do coeficiente de variacao separam a demanda em suave, erratica, intermitente e irregular, e um item irregular, raro e ao mesmo tempo muito variavel, e o caso mais dificil de todos. Ele e mais bem servido por um metodo do tipo Croston e por um estoque de seguranca maior do que por qualquer modelo de suavizacao. Antes de confiar no coeficiente de variacao de um item Z, olhe o padrao ADI: se ele for intermitente ou irregular, nenhum ajuste de suavizacao vai resolver, e a decisao correta e de politica de estoque, e nao de modelo de previsao.

O que e a classificacao XYZ e a variabilidade da demanda

A classificacao XYZ e uma forma de organizar um catalogo pela previsibilidade da demanda de cada item, e nao pelo seu volume ou pelo seu valor. A ideia central e que nem toda demanda e igualmente facil de prever: alguns itens vendem uma quantidade quase constante todo periodo, outros sobem e descem com uma tendencia ou uma estacao, e outros aparecem de forma esparsa e imprevisivel. A analise XYZ mede essa previsibilidade de forma objetiva, pelo coeficiente de variacao, e rotula cada item com uma letra: X para o estavel, Y para o variavel, Z para o erratico. Com esse rotulo, voce deixa de tratar o catalogo como um bloco unico e passa a dar a cada grupo o tratamento de previsao e de estoque que ele realmente pede.

Vale separar variabilidade de nivel. Um item pode vender muito e ainda assim ser estavel, ou vender pouco e ser erratico; o coeficiente de variacao mede a oscilacao relativa a media, entao um item de alto volume com pequenas flutuacoes tem coeficiente de variacao baixo e cai em X, enquanto um item de baixo volume que aparece e desaparece tem coeficiente de variacao alto e cai em Z. Essa e a razao de a analise XYZ ser complementar a analise ABC, que ordena por valor: uma diz o quanto o item importa financeiramente, a outra diz o quao previsivel ele e, e so as duas juntas dizem como gerencia-lo. Classificar pela variabilidade e o primeiro passo de um planejamento de demanda que nao desperdica esforco de modelagem onde ele nao rende, nem deixa de aplica-lo onde ele faz falta.

O coeficiente de variacao em detalhe

O coeficiente de variacao e a medida que torna a analise XYZ possivel, porque expressa a variabilidade de uma forma comparavel entre itens de escalas completamente diferentes. Ele e o desvio padrao dividido pela media, entao e uma razao pura, sem unidade: um item que vende em torno de dez unidades com desvio padrao de duas tem coeficiente de variacao 0,2, exatamente como um item que vende em torno de dez mil com desvio padrao de duas mil. Sem essa normalizacao pela media, o desvio padrao sozinho seria enganoso, porque itens de maior volume quase sempre teriam desvios maiores em valor absoluto, sem que isso significasse menor previsibilidade. Ao dividir pela media, o coeficiente de variacao coloca todos os itens na mesma regua de previsibilidade relativa.

A leitura dos valores e intuitiva. Um coeficiente de variacao proximo de zero descreve uma demanda quase constante, em que o desvio padrao e uma fracao minima da media; e o retrato do item X. Um coeficiente de variacao em torno de 0,5 indica uma oscilacao ja perceptivel, tipica de itens com alguma sazonalidade ou tendencia, o territorio do Y. Um coeficiente de variacao de 1,0 significa que o desvio padrao iguala a media, uma variabilidade grande, e acima disso a demanda e cada vez mais erratica, o dominio do Z. O unico cuidado e com series muito curtas ou com medias muito baixas, em que o coeficiente de variacao fica instavel: por isso a boa pratica pede pelo menos um ano de historia e uma media que nao seja quase zero, para que o numero seja confiavel.

Desvio padrao populacional contra amostral e por que importa

A analise XYZ depende do desvio padrao, e ha duas formas de calcula-lo que dao resultados um pouco diferentes. O desvio padrao populacional divide a soma dos quadrados dos desvios por n, o numero de periodos, e trata a serie observada como a populacao inteira que interessa; e a escolha classica dos textos de analise XYZ. O desvio padrao amostral divide por n menos 1, uma correcao que compensa o fato de a media da amostra ser ela mesma estimada a partir dos dados, e e o que a maioria das planilhas devolve pela funcao STDEV. Como o amostral divide por um numero menor, ele sempre resulta um pouco maior que o populacional, e essa diferenca e mais pronunciada quando ha poucos periodos.

A consequencia pratica aparece nos itens de borda. Um SKU cujo coeficiente de variacao populacional cai logo abaixo de um limiar pode, calculado pela forma amostral, subir para logo acima dele e mudar de classe. No exemplo do SKU C, o coeficiente de variacao populacional foi 0,595 e o amostral foi 0,652, e nesse caso os dois mantiveram o item em Y sob os limiares padrao, mas em outra serie mais curta ou mais proxima do corte a escolha teria decidido a classe. A recomendacao e escolher uma convencao e mante-la em todo o catalogo, de preferencia a populacional para seguir a tradicao da analise XYZ, e lembrar que, ao comparar com um numero vindo de uma planilha, aquele valor provavelmente usou a forma amostral e le um pouco mais alto.

Escolhendo os limiares

Nao existe um conjunto de limiares consagrado que sirva a todo catalogo, e essa e uma das primeiras coisas a entender sobre a analise XYZ. As referencias variam: um conjunto comum coloca X ate 0,5 e Y ate 1,0, outro aperta para 0,25 e 0,5, e ha ainda quem trabalhe com cortes percentuais como 10 por cento e 25 por cento. Cada faixa reflete uma tolerancia diferente ao que se considera estavel o bastante para uma previsao automatica. Por isso a ferramenta traz presets e campos editaveis, e a decisao de qual usar e sua, guiada pelo perfil do seu catalogo e pela sua politica de estoque.

O metodo pratico para calibrar e olhar a distribuicao. Rode a analise com os limiares padrao, veja qual fracao do catalogo cai em cada classe, e pergunte se o grupo X resultante e mesmo o conjunto de itens que voce confiaria a um modelo simples sem supervisao. Se X ficou grande demais, incluindo itens que na verdade oscilam, aperte os cortes; se X ficou pequeno demais, deixando de fora itens perfeitamente estaveis, afrouxe-os. O objetivo nao e acertar um numero universal, e sim desenhar tres grupos que correspondam a tres politicas reais de previsao e de estoque na sua operacao. Como os limiares sao editaveis e o recalculo e imediato, esse ajuste leva segundos e vale ser refeito quando o catalogo ou a historia mudam.

Da classe XYZ ao metodo de previsao e a politica de estoque

O valor da analise XYZ esta em ligar cada classe a uma acao concreta. Um item X tem demanda estavel, entao um metodo simples que persegue o nivel, como uma media movel ou uma suavizacao exponencial simples, ja entrega uma boa previsao, e o estoque de seguranca pode ser enxuto porque a demanda quase nao surpreende. Um item Y varia com tendencia ou sazonalidade, entao um metodo que capture essa estrutura, como uma regressao linear para a tendencia ou um indice sazonal para o padrao de calendario, e mais adequado, e o estoque de seguranca precisa ser moderado para cobrir a oscilacao previsivel. Um item Z e erratico, entao nenhum modelo de suavizacao entrega uma previsao confiavel, e a estrategia muda de prever para proteger: mais estoque de seguranca, ou o trabalho sob pedido, ou um metodo especifico para demanda intermitente.

Esse roteamento e a razao de a analise XYZ ser a porta de entrada do silo de previsao. Depois de classificar, encaminhe os itens X a calculadora de media movel ou a calculadora de suavizacao exponencial, os itens Y a calculadora de regressao linear ou a calculadora de indice sazonal, e leve qualquer classe a calculadora de metricas de erro de previsao para confirmar se o metodo escolhido de fato funciona. A classe indica o caminho, mas a medicao fecha o ciclo: se um item X previsto por media movel apresentar um vies crescente, isso sugere uma tendencia que a media movel nao capta, e o item talvez pertenca ao grupo Y. A classificacao e a validacao trabalham juntas.

A matriz ABC-XYZ

A matriz ABC-XYZ combina duas perguntas diferentes numa unica grade de decisao. A analise ABC ordena os itens por valor, seguindo o principio de Pareto: um punhado de itens A concentra a maior parte do valor, um grupo B intermediario vem depois, e uma longa cauda de itens C responde pelo restante. A analise XYZ, por sua vez, ordena os itens pela previsibilidade da demanda. Cruzando as duas, cada item recebe um par de letras, de AX ate CZ, e cai numa das nove celulas da matriz, que diz ao mesmo tempo o quanto ele importa financeiramente e o quao previsivel ele e.

A leitura das celulas orienta a gestao. Um item AX e de alto valor e alta previsibilidade, o candidato ideal a reposicao automatica com estoque enxuto, porque errar nele custa caro mas prever nele e facil. Um item AZ e de alto valor e baixa previsibilidade, o caso que mais exige atencao humana, porque o valor pede cuidado e a variabilidade impede a automacao ingenua. Um item CX e de baixo valor e previsivel, entao pode ser gerido com regras simples e pouca supervisao. E um item CZ e de baixo valor e erratico, onde nao compensa investir esforco de previsao: um controle de minimo e maximo, ou a propria descontinuacao, costuma ser a resposta. A matriz transforma o catalogo inteiro num mapa de prioridades, dizendo onde automatizar, onde vigiar de perto e onde simplificar.

Demanda intermitente e irregular

Nem toda variabilidade alta e do mesmo tipo, e essa distincao e crucial para os itens Z. Uma demanda pode ser continua mas ruidosa, presente em todo periodo com valores que oscilam bastante, ou pode ser intermitente, aparecendo apenas em alguns periodos e ficando em zero nos demais. O coeficiente de variacao sozinho nao separa esses dois casos, porque ambos produzem um numero alto, mas eles exigem tratamentos completamente diferentes: o ruidoso ainda pode ser suavizado, enquanto o intermitente quebra os metodos de suavizacao comuns, que passam a prever um nivel medio que nunca ocorre de fato.

Para separar os casos, a ferramenta usa dois indicadores. O intervalo medio entre demandas, o ADI, conta em media quantos periodos se passam entre uma demanda e a proxima; um ADI alto marca a demanda como esparsa. O quadrado do coeficiente de variacao dos tamanhos de demanda nao nulos mede o quanto as quantidades, quando ocorrem, variam entre si. Cruzando os dois nos cortes de Syntetos e Boylan, ADI 1,32 e CV ao quadrado 0,49, a demanda cai em suave, erratica, intermitente ou irregular. A irregular, rara e ao mesmo tempo muito variavel em tamanho, e a mais dificil de prever e aponta para metodos do tipo Croston, desenhados exatamente para a demanda esparsa, alem de um estoque de seguranca mais generoso. Ler esse padrao antes de escolher um metodo evita o erro classico de aplicar uma media movel a uma peca de reposicao que so vende de vez em quando.

Preparando dados limpos de multiplos SKUs

A qualidade da classificacao depende da qualidade da entrada, e alguns cuidados evitam classes enganosas. Primeiro, use historia suficiente: pelo menos um ano, cerca de doze periodos, para que o coeficiente de variacao seja estavel; series muito curtas produzem coeficientes que saltam a cada novo dado e classes que nao se sustentam. Segundo, garanta que cada linha traga o nome do SKU seguido da sua serie completa de demanda, na mesma ordem temporal, e que todas as series cubram o mesmo intervalo de periodos, para que as classes sejam comparaveis entre itens.

Terceiro, cuide dos zeros e da diferenca entre demanda e vendas. Um zero legitimo, de um periodo em que realmente nao houve demanda, e informacao valiosa e deve permanecer, porque e ele que revela a intermitencia; mas um zero que na verdade e um dado faltante distorce a media e o coeficiente de variacao, entao confirme a origem de cada zero. E prefira medir a demanda, e nao apenas as vendas: se um item teve ruptura de estoque, as vendas ficaram abaixo da demanda real, e classificar pela venda subestima tanto o nivel quanto, muitas vezes, a variabilidade. Quarto, lembre que uma media zero nao pode ser classificada, porque o coeficiente de variacao exige dividir pela media; itens assim sao casos de intermitencia extrema que pedem tratamento a parte. Com series longas o bastante, do mesmo intervalo, com zeros verificados e medindo demanda e nao vendas, a analise XYZ entrega classes que refletem a previsibilidade verdadeira de cada item.

Referencias e boas praticas

As definicoes usadas aqui sao as classicas dos manuais de planejamento de demanda, de gestao de estoques e de operacoes. O coeficiente de variacao como desvio padrao sobre media; o desvio padrao populacional dividindo por n e o amostral dividindo por n menos 1; a classificacao XYZ por limiares sobre o coeficiente de variacao, sem um padrao universal; a matriz ABC-XYZ cruzando o valor de Pareto com a variabilidade da demanda; e a leitura de intermitencia pelo intervalo medio entre demandas e pelo quadrado do coeficiente de variacao, nos cortes de Syntetos e Boylan, aparecem da mesma forma na literatura de forecasting e no corpo de conhecimento de planejamento de demanda, como o da APICS e do CPIM. A convencao adotada e sempre a de variabilidade da demanda, com o X estavel e o Z erratico, e nao a de criticidade operacional.

Dois pontos de bom senso fecham o uso responsavel da ferramenta. Primeiro, a classe de um item nao e permanente: ela muda quando a demanda muda, entao reveja a classificacao periodicamente, sobretudo quando a historia cresce ou o padrao de vendas se altera. Segundo, esta e a ferramenta que abre o fluxo de previsao, e nao a que o encerra: classifique aqui e depois use a media movel, a suavizacao exponencial, a regressao linear ou o indice sazonal conforme a classe, validando sempre com a calculadora de metricas de erro de previsao. Esta calculadora e este guia sao criados e revisados pela equipe da OpsCalculators; veja a nossa Politica Editorial para saber como cada ferramenta e pesquisada, construida e testada.

Perguntas frequentes sobre analise XYZ

Fontes, aviso legal e transparencia editorial

As definicoes usadas aqui seguem as convencoes consagradas da analise de variabilidade da demanda: o coeficiente de variacao como desvio padrao sobre media; o desvio padrao populacional dividindo por n e o amostral por n menos 1; a classificacao XYZ por limiares sobre o coeficiente de variacao, sem um padrao universal, com os conjuntos comuns 0,5 / 1,0, 0,25 / 0,5 e 0,10 / 0,25; a matriz ABC-XYZ cruzando o valor de Pareto, com cortes de 80 e 95 por cento, com a variabilidade da demanda; e a leitura de intermitencia pelo intervalo medio entre demandas e pelo quadrado do coeficiente de variacao, nos cortes de Syntetos e Boylan de ADI 1,32 e CV ao quadrado 0,49. Essas definicoes aparecem da mesma forma na literatura de forecasting e de gestao de operacoes, e no corpo de conhecimento de planejamento de demanda da APICS e do CPIM. A convencao adotada e a de variabilidade da demanda, com o X estavel e o Z erratico, e nao a de criticidade operacional. Esta calculadora e este guia sao criados e revisados pela equipe da OpsCalculators; veja a nossa Politica Editorial para saber como cada ferramenta e pesquisada, construida e testada.

Os resultados sao estimativas para planejamento e educacao, nao uma garantia de comportamento futuro. A classe de um item pode mudar quando o padrao da demanda muda, entao reveja a classificacao a cada novo periodo e trate cada revisao como uma nova foto do catalogo. Como esta e a ferramenta que abre o fluxo de previsao, classifique aqui e siga para a media movel, a suavizacao exponencial, a regressao linear ou o indice sazonal conforme a classe, validando sempre com a calculadora de metricas de erro de previsao. Volte ao hub de Previsao de Demanda e Analitica para ver o silo completo, ou explore o hub de Cadeia de Suprimentos. Veja o nosso Aviso Legal completo. OpsCalculators.com e operado por MAFHH INTERNATIONAL LTD. Os seus dados sao processados no seu navegador e nunca sao armazenados; veja a nossa Politica de Privacidade.