Resumo Executivo

Leonardo Queiroz Da Silva; Gleison De Souza

Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

O setor varejista enfrentou, nos últimos cinco anos, transformações mais profundas do que as observadas nas cinco décadas anteriores, impulsionadas significativamente pela pandemia de COVID-19. Esse evento foi o catalisador para uma mudança radical no comportamento de consumo, consolidando o comércio eletrônico como o ponto central das relações comerciais contemporâneas. A busca incessante por conveniência e rapidez estabeleceu novos padrões de exigência, nos quais os consumidores se tornaram protagonistas ao demandar prazos reduzidos e alta qualidade de serviço. Tal realidade impôs desafios estruturais severos às organizações, que precisam conciliar o crescimento da demanda por velocidade com a baixa disposição dos clientes em arcar com custos logísticos elevados ou prazos de entrega dilatados. Nesse cenário, o investimento em tecnologia surge como a principal estratégia para ajustar custos e manter a competitividade em um ambiente de consumo que preza pela sustentabilidade e eficiência (Barbe et al., 2021).

A pressão exercida pelos consumidores por entregas rápidas, precisas e de baixo custo forçou as empresas a adotarem novos modelos logísticos, como micro centros de distribuição e estratégias de última milha. A gestão de prazos e a confiabilidade dos processos passaram a depender de ferramentas de análise de dados e tecnologias capazes de otimizar a operação. Ao investir em modelos de armazéns descentralizados e soluções de análise preditiva, as organizações conseguem alcançar maior precisão nas estimativas, reduzir falhas e garantir o cumprimento de prazos, mesmo operando em ambientes de alta complexidade e margens de lucro estreitas (Raji et al., 2021). Outro fator determinante é a crescente customização dos pedidos, que frequentemente são compostos por apenas uma unidade de SKU. Essa tendência impacta diretamente a cadeia de suprimentos, exigindo sistemas logísticos dotados de maior flexibilidade para lidar com a diversidade de produtos e a urgência na entrega, o que reforça o papel da inovação e da transformação digital como pilares da competitividade moderna (Raji et al., 2021).

Essa mudança no perfil de consumo pressiona os centros de distribuição a revisarem suas operações de separação, tradicionalmente baseadas em grandes volumes de um mesmo item. Com o aumento dos pedidos unitários, o modelo de separação unitária torna-se um desafio, pois exige que os operadores percorram longas distâncias para localizar itens isolados, tornando o processo lento e menos produtivo. A eficiência na execução do picking assume, portanto, um papel estratégico, sendo uma das atividades mais custosas e críticas dentro de um armazém. Práticas bem estruturadas nessa área contribuem para a redução do lead time e para a elevação do nível de serviço, enquanto processos mal planejados comprometem o desempenho operacional e a percepção de qualidade pelo cliente (Chondromatidis et al., 2021). A automação surge como uma solução potencial, embora barreiras como altos investimentos e a necessidade de padronização limitem sua implementação. A flexibilidade continua sendo um requisito crucial para lidar com pedidos urgentes e incertezas, o que explica por que muitos gestores ainda dependem de operadores humanos e sistemas do tipo picker-to-parts (Chondromatidis et al., 2024).

Atualmente, cerca de 80% dos armazéns ainda operam de forma manual, priorizando tecnologias de apoio ao picking em vez da substituição completa por sistemas automatizados. Os desafios da logística moderna exigem sistemas que combinem produtividade, precisão e flexibilidade, equilibrando a automação com a operação humana (Chondromatidis et al., 2024). A separação de pedidos pode ocorrer por unidade, caixa ou palete, e quanto mais fracionada é a separação, menor tende a ser a produtividade alcançada (Roberto e Reis, 2023). Nesse contexto, a transformação digital deixou de ser uma tendência para se tornar um recurso estratégico fundamental. As organizações investem no desenvolvimento de competências voltadas para a integração de tecnologias e para a geração de valor por meio do digital, o que configura uma vantagem crítica frente à concorrência (Andrade et al., 2022). A aplicação de tecnologias de robotização e ferramentas como o Picking Trolley visa otimizar o desempenho em operações unitárias, mitigando perdas produtivas e oferecendo respostas efetivas às demandas de performance dos centros de distribuição.

A metodologia adotada para a análise da eficiência operacional baseia-se em uma abordagem quantitativa e descritiva, com coleta de dados realizada de forma presencial para aprofundar a compreensão sobre o processo de separação de unitários. A pesquisa quantitativa permite a validação de hipóteses por meio de dados estruturados e estatísticos, garantindo o tratamento rigoroso das informações coletadas (Oliveira, 2011). O enfoque descritivo busca explorar os fenômenos observados na realidade organizacional, enquanto a análise exploratória mensura as atividades realizadas no setor, fornecendo subsídios para a comparação entre o estado atual e as melhorias propostas. Essa metodologia assegura uma análise situacional detalhada, permitindo que os dados sejam aplicados de forma a ampliar a intensidade do estudo sobre o objeto (Fleury, 2017).

O processo operacional inicial foi mapeado minuciosamente para identificar pontos de desperdício e gargalos. O fluxo de atividades na área de separação unitária compreende diversas etapas executadas por auxiliares, separadores e conferentes no checkout. O ciclo inicia-se com o reabastecimento do sistema flow rack, seguido pela montagem das caixas e o agrupamento de etiquetas por nota de separação. O separador utiliza um coletor de dados para informar a posição, o material e a quantidade, realizando a checagem entre o material físico e o virtual. Após o bip da separação do produto, a caixa é enviada para a mesa de checkout, onde os produtos são retirados, separados por SKU, conferidos e a caixa é selada. Finalmente, a caixa é colocada em um palete e enviada para o buffer. Para definir a capacidade operacional, foi realizada uma cronoanálise, medindo o tempo produtivo de cada atividade e permitindo simulações sobre o impacto de novas ferramentas.

A escolha da ferramenta tecnológica e a condução do projeto de implementação são determinantes para o sucesso da iniciativa. Frequentemente, a seleção baseia-se em critérios isolados, como preço ou custos de treinamento, que podem se tornar limitantes ao não considerarem a evolução do processo. É essencial criar uma metodologia que analise as particularidades de cada solução para aumentar as chances de sucesso na escolha da plataforma de automação (Montenegro, 2012). O projeto foi estruturado seguindo um ciclo de vida iterativo, com escopo definido no início, mas permitindo ajustes contínuos e refinamentos periódicos. Essa abordagem garante que a equipe mantenha a compreensão sobre o produto frente a mudanças nas estimativas de tempo e custo, integrando a gestão do projeto desde a iniciação até o encerramento.

A transformação digital representa uma mudança estrutural e cultural que envolve novas formas de trabalho e uma mentalidade orientada à inovação (Martins et al., 2023). No contexto logístico, a necessidade de processos mais ágeis e de menor custo demanda uma base tecnológica sólida para suporte à tomada de decisão. A análise da capacidade produtiva atual revelou que a operação consegue processar cerca de 6000 unidades por dia. No entanto, dados históricos indicam que essa capacidade é frequentemente superada, gerando sobrecarga operacional que compromete a fluidez logística e coloca em risco o nível de serviço ao cliente. A adoção de tecnologias alinhadas à Indústria 4.0, como automação inteligente e sensoriamento de dados, torna-se indispensável para suportar o crescimento sustentável e eliminar gargalos.

A cronoanálise detalhada do fluxo de atividades permitiu identificar que a atividade de coleta do produto é a mais demorada, consumindo 06:02 minutos, seguida pelas etapas de conferência que somam 04:17 minutos. Juntas, essas duas etapas representam aproximadamente 80% do tempo total da operação, evidenciando baixa eficiência e alto esforço manual. O sistema atual utiliza o flow rack, um armazenamento baseado em prateleiras inclinadas que favorecem a gravidade, onde o fluxo respeita a organização em curva ABC para priorizar itens de maior giro. A necessidade de deslocamento constante e o manuseio individual dos itens na coleta, somados ao tempo gasto na retirada e reposicionamento de produtos para conferência no checkout, são os principais entraves produtivos identificados.

Diante desse cenário, o benchmarking interno com unidades internacionais da organização apontou o Picking Trolley como a solução mais vantajosa em termos de custo total por linha de pedido. Essa ferramenta superou inclusive o sistema de flow rack em eficiência, apesar de este último possuir uma estrutura mais simples e baixo custo de manutenção. A superioridade do Picking Trolley explica-se pela eliminação da etapa de conferência manual, substituída por um sistema de pesagem automática integrada ao carrinho. O trolley utiliza o cadastro de pesos unitários dos SKUs para validar os itens em tempo real, anulando a necessidade de checagem posterior. Além disso, a ferramenta permite que um único operador realize a separação de até quatro caixas simultaneamente, o que gera um ganho de performance estimado em 60% e reduz diretamente o custo de mão de obra direta.

A incorporação de tecnologias de suporte ao operador, como as verificadas no Picking Trolley, reduz significativamente os erros de separação e aumenta a acuracidade dos pedidos (Sham et al., 2018). A otimização do percurso dos operadores é outro ponto de destaque, pois a escolha correta do método de picking impacta na redução de deslocamentos e no balanceamento da carga de trabalho (Wang et al., 2022). Embora o Picking Trolley apresente custos adicionais de manutenção e depreciação, esses valores são baixos quando comparados aos benefícios operacionais, resultando em um custo final inferior a soluções altamente automatizadas como Shuttle ou Carousel. A seleção desse sistema mostrou-se adequada às características do ambiente, como a variedade de SKUs e a necessidade de flexibilidade, atendendo às recomendações da literatura sobre a importância de considerar fatores contextuais no layout do armazém (Wang et al., 2022).

O Picking Trolley inteligente alia mobilidade operacional com tecnologia embarcada, permitindo a separação de múltiplas notas fiscais simultaneamente. O controle de pesagem em tempo real, integrado a cada compartimento, atua como um sistema de auditoria contínua, identificando discrepâncias e sinalizando erros de quantidade ou trocas de produtos antes do fechamento do pedido. A inteligência de movimentação aplicada propõe ordens de coleta otimizadas, utilizando a abordagem de multi-order picking para reduzir deslocamentos e aumentar a eficiência logística (Park e Kim, 2017). O uso de Internet das Coisas (IoT) permite a comunicação fluida entre sensores de pesagem, o sistema de gerenciamento de armazém (WMS) e a interface do operador, orientando a execução das tarefas com base em algoritmos de otimização.

A implementação dessa tecnologia sanou o obstáculo da capacidade produtiva, eliminando atrasos de entrega e permitindo uma operação mais customizada. Estima-se que 30% das atividades manuais anteriores foram eliminadas, simplificando o processo e reduzindo drasticamente a movimentação desnecessária. Como resultado, a operação ampliou sua capacidade de atendimento diário em até 2,5 vezes. Antes da inovação, a atividade de coleta demandava oito operadores por turno; com a melhoria, passou a ser executada por apenas três operadores por turno, totalizando seis colaboradores para cobrir dois turnos. Além disso, as etapas de checkout foram totalmente eliminadas, permitindo uma redução drástica no quadro de funcionários, que passou de 18 colaboradores permanentes e 10 temporários para apenas seis permanentes e dois temporários, mantendo apenas um operador fixo para supervisão.

Os ganhos operacionais com o Picking Trolley reforçam o movimento de modernização por meio da digitalização, alinhando-se a estudos que documentam aumentos de produtividade entre 20% e 60% com a aplicação de técnicas integradas de multi-order picking e validação por peso (Grosse et al., 2020). A eficácia dessas soluções depende da maturidade do WMS e do layout do armazém (Koster et al., 2007). Tecnologias como IoT e Big Data aumentam a precisão na tomada de decisões e otimizam o uso de recursos, sendo cruciais para a aceleração dos fluxos de materiais (Andrade et al., 2022). A solução analisada contribui decisivamente para a elevação da acuracidade operacional, aproximando a organização de um cenário de erro zero, o que reduz reclamações de clientes e agrega valor ao serviço prestado.

A confiabilidade operacional resultante da tecnologia fortalece a imagem da empresa e gera ganhos intangíveis relacionados à percepção de qualidade. Um indicador crítico impactado foi o On Time In Full (OTIF), que mede a entrega no prazo e na quantidade correta. A redução de falhas e a otimização de rotas permitiram maior previsibilidade nas operações, resultando em um crescimento significativo do OTIF, que saltou de 38,5% em 2024 para 54,9% em 2025. Esse avanço demonstra que investimentos em tecnologias digitais e métricas automatizadas proporcionam melhores condições para alcançar níveis elevados de excelência no atendimento (Supply Chain Management Review, 2024). A integração entre recursos digitais e físicos é, portanto, um fator decisivo para a competitividade organizacional.

A viabilidade econômica da solução também foi validada, uma vez que o investimento inicial é menor do que o exigido por sistemas totalmente automatizados, oferecendo maior facilidade de adaptação ao processo existente. O sucesso da iniciativa dependeu não apenas da tecnologia, mas do alinhamento com a cultura organizacional e do engajamento das equipes. O mapeamento do processo atual permitiu identificar que a ineficiência estava concentrada no esforço manual excessivo e na redundância de conferências, problemas que foram diretamente endereçados pela automação da pesagem e pela roteirização inteligente. A transformação de desafios logísticos em oportunidades de crescimento sustentável é possível quando as ferramentas da Logística 4.0 são corretamente avaliadas e implementadas.

A análise sequencial dos dados de cronoanálise evidenciou que a eliminação de etapas manuais suscetíveis a erros humanos é o caminho para a eficiência. Ao substituir a conferência manual por validação automatizada, obtém-se maior acuracidade e redução do tempo total de ciclo. A possibilidade de realizar coletas combinadas de forma dinâmica, orientada por algoritmos, promove um salto de produtividade que permite à empresa manter ou ampliar seus níveis de produção com uma equipe significativamente mais enxuta. A redução do headcount e o aumento da capacidade de processamento diário comprovam que a inovação tecnológica é o motor para a escalabilidade da operação diante das projeções de crescimento do portfólio de produtos e do volume de vendas.

Conclui-se que o objetivo foi atingido, uma vez que a implementação do Picking Trolley demonstrou ser uma solução estratégica eficaz para otimizar a separação unitária, resultando em um aumento de 2,5 vezes na capacidade produtiva e na elevação do indicador OTIF de 38,5% para 54,9%. A automação das etapas de conferência e a introdução do multi-order picking permitiram uma redução drástica no quadro de colaboradores, de 28 para apenas oito profissionais no total, comprovando a viabilidade econômica e operacional da ferramenta. A integração de tecnologias da Logística 4.0, como sensores de pesagem e IoT, eliminou gargalos críticos e garantiu a escalabilidade necessária para atender às crescentes demandas do mercado varejista com precisão e agilidade.

Referências Bibliográficas:

Andrade, C.R.D.; Gonçalo, C.R.; Santos, A.M. 2022. Digital transformation with agility: The emerging dynamic capability of complementary services. Revista de Administração Mackenzie 23(6).

Barbee, J.; Jayakumar, J.; Touse, S.; Venkataraman, K. 2021. Retail’s need for speed: Unlocking value in omnichannel delivery. McKinsey. Disponível em: <https://www.mckinsey.com/industries/retail/our-insights/retails-need-for-speed-unlocking-value-in-omnichannel-delivery>. Acesso em: 20 set. 2025.

Chondromatidis, N.; Anastasios Gialos, A.; Vasileios Zeimpekis, V.; Madas, M. 2024. Investigating the Impact of Completion Time and Perceived Workload in Pickers-to-Parts Order-Picking Technologies: Evidence From Laboratory Experiments. Logistics 8(1): 2-15.

Chondromatidis, N.; Anastasios Gialos, A.; Vasileios Zeimpekis, V.; Madas, M. 2024. Investigating the Impact of Completion Time and Perceived Workload in Pickers-to-Parts Order-Picking Technologies: Evidence From Laboratory Experiments. Logistics 8(1): 2-15.

Fleury, M.T.L. 2017. Pesquisa aplicada: conceitos e abordagens. Disponível em: <https://periodicos.fgv.br/apgvpesquisa/article/view/72796>. Acesso em: 27 fev. 2025.

Grosse, E.H.; Glock, C.H.; Jahns, C. 2020. Productivity gains through order picking systems: A systematic literature review. European Journal of Industrial Engineering 14(2): 165-205.

Koster, R.; Duc, T.L.; Roodbergen, K.J. 2007. Design and control of warehouse order picking: A literature review. European Journal of Operational Research 182(2): 481-501.

Martins, L.D.; Athanazio, R.C.S.; Franco, G.P.; Paes, A.C.S.; Bagno, R.B. 2023. Sistema da Gestão da Inovação e Transformação Digital: em busca de uma abordagem integrada. Revista Brasileira de Inovação 22(e023007): 1-32.

Montenegro, E.; Thimotio, F.; Drumont, P. 2012. Estudo comparativo entre sistemas de supervisão usando a metodologia AHP. In: Seminário de Automação & TI Industrial, 16., 2012. Anais […].

Oliveira, M.F. 2011. Metodologia científica: um manual para a realização de pesquisas em administração. Universidade Federal de Goiás. Catalão, GO, Brasil.

Park, Y.G.; Kim, K. 2017. Order picking optimization in multi-order batching with trolley routing. Computers & Industrial Engineering 104: 58-68.

Raj, G.; Roy, D.; De Koster, R.; Bansal, V. 2024. Stochastic modeling of integrated order fulfillment processes with delivery time promise: Order picking, batching, and last-mile delivery. European Journal of Operational Research 316(3): 1114-1128.

Roberto, M.A.R.; Reis, D.L. 2023. Proposta de Melhoria no Processo de Picking: Estudo de caso em um centro de distribuição farmacêutica na cidade de Manaus/AM. Revista Científica – Semana Acadêmica. Fortaleza, CE, Brasil.

Sham, R.; Wahab, M.H.A.; Hussin, M.N.A. 2018. Smart Trolley Apps: Improving picking accuracy through operator support technologies. International Journal of Advanced Computer Science and Applications (IJACSA) 9(12): 450-456.

Supply Chain Management Review. 2024 Warehouse/DC Operations Survey: Technology adoption on the rise. Supply Chain Management Review, 2024. Disponível em: <https://www.scmr.com/article/2024-warehouse-dc-operations-survey-technology-adoption-on-the-rise>. Acesso em: 20 set. 2025.

Wang, W.; Zhao, X.; Li, Y.; Li, J. 2022. Intelligent order picking method selection in warehouses based on deep learning. Computers & Industrial Engineering 165: 107936.

Resumo executivo oriundo de Trabalho de Conclusão de Curso da Especialização em Gestão de Projetos do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy