Qual é a chance de uma entrega chegar no prazo?

Exemplo prático · Prazos de entrega · Atualizado em outubro de 2026

Ajuste distribuições plausíveis a prazos históricos comparáveis e meça a proporção que chega dentro do prazo prometido. Neste exemplo sintético, 77,8% das 18 entregas concluídas levaram no máximo 10 dias. Uma lognormal ajustada a essas observações produz 73,8% de resultados no prazo em 10.000 entregas simuladas. O histórico é pequeno de propósito: é uma ilustração, não um registro de desempenho de uma transportadora.

O histórico e o prazo prometido

History!B2:B19 contém 18 prazos de entrega sintéticos em dias, de 3,2 a 24,3, com média de 8,4. As frações de dia são mantidas. Na aba Delivery, B2 contém o prazo prometido de 10 dias e B4 é o prazo de entrega incerto.

Três fórmulas deixam o resultado explícito: B6=B4 mostra o prazo de entrega, B7=B6-B2 mostra o atraso com sinal e B8=IF(B6<=B2,1,0) indica uma entrega no prazo. Chegar exatamente no momento prometido conta como pontual. Atraso negativo significa chegada antecipada. O modelo sorteia uma entrega futura por iteração; não tem rede de atividades, calendários, filas por restrição de capacidade nem sequência de tarefas de projeto.

Compare distribuições plausíveis

O exemplo compara distribuições lognormal, gama e Weibull, cada uma ajustada por máxima verossimilhança com o limite inferior fixado em zero. Essas famílias positivas admitem uma cauda longa à direita: entregas lentas ocasionais. A tabela ordena as três candidatas pelo AIC, uma medida de ajuste que penaliza o número de parâmetros estimados; quanto menor, melhor.

A lognormal tem o menor AIC entre essas candidatas. Essa classificação é uma comparação relativa, não uma prova de que ela seja a distribuição verdadeira. A distância K-S é a maior diferença entre as probabilidades acumuladas observadas e ajustadas; quanto menor, mais próximo é o ajuste dentro da amostra. Seu valor-p usual é otimista quando as mesmas observações foram usadas para estimar os parâmetros.

Da forma ajustada à probabilidade de pontualidade

Com a lognormal ajustada, a mediana simulada do prazo de entrega é 7,3 dias e o P90 é 13,8 dias. O P90 é um prazo prometido modelado que cerca de nove em cada dez entregas cumprem, não um intervalo de confiança de 90% para o prazo real. A probabilidade de cumprir o prazo atual de 10 dias é 73,8%; os 26,2% restantes chegam depois.

A proporção observada de entregas no prazo e a probabilidade ajustada não precisam coincidir. Uma conta este histórico finito em um único limite; a outra usa uma distribuição suave ajustada a todos os valores. A tabela também mostra como a escolha da família muda a previsão.

Uma amostra pequena continua pequena depois da simulação

Rodar 10.000 iterações reduz o ruído numérico no resultado do modelo ajustado. Isso não transforma 18 observações em 10.000 dados reais. A simulação mantém os parâmetros ajustados fixos; não inclui a incerteza das estimativas nem da escolha da família.

Com tão pouco histórico, algumas entregas lentas podem mudar bastante a cauda ajustada. Confira as observações individuais e o histograma ou gráfico P-P, compare famílias plausíveis e teste as previsões com entregas posteriores. Antes de ajustar dados reais, separe rotas ou níveis de serviço com comportamentos diferentes e verifique se há tendências. Um pedido ainda em trânsito tem prazo incompleto: descartar todos esses pedidos pode fazer o serviço parecer mais rápido do que é.

Esse ajuste descreve entregas concluídas comparáveis em condições estáveis. Não modela um novo fornecedor, uma greve, uma mudança de rota nem uma interrupção comum que atrase muitos pedidos ao mesmo tempo. Essas situações precisam de premissas ou cenários explícitos, além deste exemplo de uma única entrega.

Experimente

1. Abra o exemplo e rode a simulação. A entrada salva é a lognormal ajustada ao histórico incluído, com o indicador de entrega no prazo como meta.
2. Na etapa Distributions, selecione Delivery!B4, escolha From data (a partir de dados), digite History!B2:B19 e escolha Fit range (ajustar intervalo). O app testa outras famílias adequadas, por isso sua classificação completa pode ser diferente desta comparação entre três famílias.
3. Examine as formas ajustadas e seus suportes, selecione uma família plausível e use-a para a entrada. Rode de novo e compare a meta de pontualidade e o P90.
4. Se substituir o histórico, refaça o ajuste e aplique a nova distribuição. Uma entrada ajustada é um retrato dos dados, não um vínculo dinâmico que refaz o ajuste automaticamente após uma edição.

Perguntas

Veja também

• Guia

  Análise de risco de cronograma: por que os projetos atrasam

  Um cronograma de obra com durações mais prováveis indica a semana 55, mas só 14,3% dos resultados simulados terminam até lá. Por que isso acontece e como definir uma data de término P80.
• Guia

  Distribuição PERT no Excel: fórmula, média e quando usar

  Uma PERT é uma distribuição beta do mínimo ao máximo, com média (mín. + 4 × mais provável + máx.)/6. A fórmula BETA.INV do Excel e PERT x triangular.
• Guia

  P50, P80 e P90: o que significam e em qual nível orçar

  P80 é o custo que 80% dos resultados simulados não ultrapassam. Seis itens de custo de uma obra têm P80 que, somados, dão 2.843, mas o P80 da soma deles é 2.756 (milhares de US$).

O xellstorm é uma ferramenta de simulação de Monte Carlo para modelos do Excel, que roda no navegador: sem suplemento, e o arquivo nunca sai do seu computador.