Baixe o app para aproveitar ainda mais
Prévia do material em texto
Planejamento e Controle da Produção Prof. Christian Vargas e‐mail: christian@metal.eeimvr.uff.br http://www.professores.uff.br/christian Lustosa, L., M. A. Mesquita, et al. (2008). Planejamento e Controle da Produção. Rio de Janeiro, Elsevier. PCP Tópicos Planejados sex- 12/03/2010Introdução;PCP no contexto estratégico;Sistemas de produção sex- 19/03/2010Previsão de demanda sex- 26/03/2010Previsão de demanda sex- 09/04/2010Planejamento agregado e plano mestre da produção sex- 16/04/2010MRP sex- 30/04/2010Gestão de estoques sex- 07/05/2010Gestão de estoques sex- 14/05/20101° Avaliação sex- 21/05/2010Programação detalhada da produção sex- 28/05/2010sistemas de controle da produção sex- 11/06/2010logística sex- 18/06/2010sistemas de informação sex- 25/06/2010planejamento da capacidade sex- 02/07/2010planejamento e controle da produção em serviços sex- 09/07/20102° Avaliação sex- 16/07/2010VR sex- 23/07/2010VS Planejamento e Controle da Produção Módulo 1 – Sistemas de Produção e Previsão de Demanda Prof. Christian Vargas e‐mail: christian@metal.eeimvr.uff.br http://www.professores.uff.br/christian Capital Trabalho Materiais Equipamentos Informações Cortar Alugar Transportar Montar Analisar Organizar Etc. Bens Serviços Processo OutputsInputs O engenheiro de produção deve lidar com a diversidade das operações de produção existentes (Minas, fábricas, escolas, hospitais, hotéis, serviços de entretenimento, correios, bancos, desenvolvimento de sistemas, entre outros) Tipo de Classificação Características Grau de padronização dos produtos Produtos padronizados Produtos sob medida ou personalizados Tipo de operação Processos contínuos (larga escala) Processos Discretos Repetitivos em massa (larga escala) Repetitivos em Lote (flow shop, linha de produção) Por encomenda (job shop, layout funcional) Por projeto (unitária, layout posicional fixo) Ambiente de Produção Make‐to‐stock (MTS) Assemble‐to order (ATO) Make‐to‐order (MTO) Engineer‐to‐order (ETO) Fluxo de processos Processos em linha Processos em lote Processos por projetos Natureza dos produtos Bens Seviços • Seqüência de operações muito bem definida. • Apresentam operações de precedência e operações subseqüentes • Produtos bem padronizados • Devem ser processadas de forma a não retardar a atividade subseqüente. • Podem ser classificados em:Produção em massa e produção contínua • As operações são extremamente eficientes, mas também muito inflexíveis. Classificação quanto ao fluxo de processos Classificação quanto ao fluxo de processos Classificação quanto ao fluxo de processos • Criam uma grande variedade de produtos. • Fluxo intermitente • Produção em lotes ou intervalos • Alta flexibilidade • Dificuldade de controle, devido ao fluxo desordenado. • Agrupa equipamento similares e habilidades de trabalhadores semelhantes • Baixo volume de produção Classificação quanto ao fluxo de processos Classificação quanto ao fluxo de processos • São caracterizados por terem um único produto. • Exemplos: – A construção de um Prédio – A construção de um navio – Uma plataforma de petróleo Classificação quanto ao fluxo de processos Classificação quanto ao fluxo de processos • Produtos Padronizados: bens ou serviços que apresentam um alto grau de uniformidade, produzidos em grande escala. • Produtos sob medida: Bens ou serviços desenvolvidos para um cliente específico. • Processos contínuos • Processos discretos – Processo repetitivos em massa – Processo repetitivo em lote – Processo por projeto Projeto Fabricação Montagem Estoque Expedição Projeto Fabricação Montagem Estoque Expedição Projeto Fabricação Montagem Estoque Expedição Projeto Fabricação Montagem Estoque Expedição Make‐to‐stock Assemble‐to‐stock Make‐to‐order Engineering‐to‐order Tempo de Resposta Engenharia de Produto •lista de materiais •desenhos Engenharia de Processo •roteiros de fabricação •leadtimes Marketing •plano de vendas •pedidos firmes Manutenção •plano de manutenção Compras •entradas e saídas de materiais Planejamento Estratégico da Produção Planejamento Mestre da produção Programação da Produção •ordens de compra •ordens de fabricação •ordens de montagem Acompanhamento da Produção Recursos Humanos •programa de treinamento Finanças •plano de investimentos •Fluxo de caixa Planejamento Estratégico da Produção Plano de Produção Planejamento‐Mestre da Produção Plano‐Mestre de Produção Programação da Produção •Administração dos Estoques •Seqüenciamento •Emissão e Liberação de Ordens Ordens de Montagem Ordens de Fabricação Ordens de Compras Fabricação e Montagem Departamento de Compras Pedido de Compras EstoquesFornecedores Departamento de Marketing Previsão de Vendas Pedidos em Carteira Ac om pa nh am en to e C on tr ol e d a P ro du çã o Av al ia çã o de Des em pe nh o Clientes Planejamento de longo prazo Planejamento de médio prazo Planejamento de curto prazo Planejamento de curtíssimo prazo Execução e controle Marketing e vendas Previsão de demanda Previsão de demanda desagregada Pedidos Firmes Planejamento agregado Plano de Produção Agregado Planejamento mestre da Produção (MPS) Plano de Produção Agregado Planejamento das necessidades de materiais (MRP) Plano detalhado de materiais e capacidade Programação detalhada da produção Programa detalhado de fabricação e montagem Compras Programa de recebimento de fornecedores Fabricação Controle de chão de fábrica (SFC) Distribuição (DRP) Programa Detalhado de distribuição Planejamento Estratégico Políticas de estoque Políticas de atendimento à demanda Políticas de mão de obra Perfil de recursos críticos e política de investimentos Gestão de Estoques Estoques de Produtos acabados Registro de estoques Desenhos de produtos e especificações Lista Técnica (BOM) Desenhos de produtos e especificações Lista Técnica (BOM) Clientes Roteiros e tempos de fabricação Lista de centros produtivos Roteiros e tempos de fabricação Lista de centros produtivos RCCP CRP Desagregação Necessidades de Produção (demandas Independentes) Necessidades de compras Necessidades de fabricação Ordens de compras Ordens de Fabricação Parâmetros (estoques mínimos, lotes de fabricação, lead‐times) Plano de Vendas Estoques disponíveis para promessas (ATP) N ecessidades de distribuição Re pr og ra m aç ão Produtos Acabados Entrega Projeto do Produto Projeto do processo • Qual a demanda do mercado? • Qual a estratégia organizacional para atender as demandas do mercado? • Qual a capacidade da planta a ser instalada? • Como implantar a gestão da produção? • Quais os riscos inerentes à operação que impactam no custo? • Que indicadores de desempenho devem ser empregados para o planejamento e controle dos sistemas de produção? • Qual o composto(mix) a ser produzido? • Qual o valor agregado ao cliente? • Que políticas de produção podem ser empregadas? Por exemplo: – Variação de Mão de obra? – Produção a uma taxa constante? – Minimizar estoques? – Aceitar vendas perdidas? – Aceitar atraso nas entregas? • Quais os referenciais de excelência para orientar as premissas de projeto e de operação para processos e produtos? • Quais os insumos necessários(pessoas, instalações, materiais, fornecedores etc.)? • Que processos comporão o sistema de produtivo? • Qual a organização do planejamento e controle da produção? • Qual o tipo de produção? – Empurrar a produção? – Puxar a produção? – Gerenciamento de gargalos? • Qual o tipo de organização da produção? Qual o tipo de layout? Por exemplo: – Fluxo contínuo(larga escala)? – Linha de montagem(escala variável)? – Flow shop (lotes, linha de produção)? – Job shop (layout funcional, múltiplos roteiros)? – Produção unitária (layout posicional fixo)? – Planos de produto/serviço – ênfase na inovação? – Processo e tecnologia de produção? – Planos de instalações, capacidade, localização e layout? – Produção e estoques em múltiplos estágios?• Qual o preço final e os custos de produção • Qual a qualidade do produto ou serviço ( função da demanda, do tipo de cliente e de mercado)? • Qual o grau de flexibilidade da produção? • Qual o sistema de inovação a ser implantado? • Qual o tipo de organização da produção? Por exemplo: – Qual o tamanho do lote? – Quando deve ser produzido? – Em que máquina deve ser produzido? – Qual o sequenciamento da produção nas máquinas? Uma previsão é uma afirmativa ou inferência sobre o futuro, usualmente baseada em informação histórica. Previsão da Demanda 25 • A responsabilidade pela preparação da previsão da demanda normalmente é do setor de Marketing ou Vendas. Porém, existem dois bons motivos para que o pessoal do PCP entenda como esta atividade é realizada. – A previsão da demanda é a principal informação empregada pelo PCP na elaboração de suas atividades; – Em empresas de pequeno e médio porte, não existe ainda uma especialização muito grande das atividades, cabendo ao pessoal do PCP (geralmente o mesmo de Vendas) elaborar estas previsões. • Atualmente as empresas estão buscando um relacionamento mais eficiente dentro de sua cadeia produtiva. Objetivo do modelo Coleta e análise dos dados Seleção da técnica de previsão Obtenção das previsões Monitoração do modelo A primeira etapa consiste em definir a razão pela qual necessitamos de previsões. Que produto, ou famílias de produtos, será previsto, com que grau de acuracidade e detalhe a previsão trabalhará, e que recursos estarão disponíveis para esta previsão. Visa identificar e desenvolver a técnica de previsão que melhor se adapte Existem técnicas qualitativas e quantitativas. Cada uma tendo o seu campo de ação e sua aplicabilidade Com a definição da técnica de previsão e a aplicação dos dados passados para obtenção dos parâmetros necessários, podemos obter as projeções futuras da demanda. Quanto maior for o horizonte pretendido, menor a confiabilidade na demanda prevista. A medida em que as previsões forem sendo alcançadas pela demanda real, deve-se monitorar a extensão do erro entre a demanda real e a prevista, para verificar se a técnica e os parâmetros empregados ainda são válidos. Em situações normais, um ajuste nos parâmetros do modelo, para que reflita as tendências mais recentes, é suficiente. 27 • A previsão da demanda é a base para o planejamento estratégico da produção, vendas e finanças de qualquer empresa. – Permite que os administradores destes sistemas antevejam o futuro e planejem adequadamente suas ações. • As previsões são usadas pelo PCP em dois momentos distintos: para planejar o sistema produtivo e para planejar o uso deste sistema produtivo. 28 • Existem uma série de técnicas disponíveis, com diferenças substanciais entre elas. Porém, cabe descrever as características gerais que normalmente estão presentes em todas as técnicas de previsão, que são: – Supõem-se que as causas que influenciaram a demanda passada continuarão a agir no futuro; – As previsões não são perfeitas, pois não somos capazes de prever todas as variações aleatórias que ocorrerão; – A acuracidade das previsões diminui com o aumento do período de tempo auscultado; – A previsão para grupos de produtos é mais precisa do que para os produtos individualmente, visto que no grupo os erros individuais de previsão se anulam. 29 • As técnicas de previsão podem ser subdivididas em dois grandes grupos: – As técnicas qualitativas privilegiam principalmente dados subjetivos, os quais são difíceis de representar numericamente. Estão baseadas na opinião e no julgamento de pessoas chaves, especialistas nos produtos ou nos mercados onde atuam estes produtos; – As técnicas quantitativas envolvem a análise numérica dos dados passados, isentando-se de opiniões pessoais ou palpites. Empregam- se modelos matemáticos para projetar a demanda futura. Podem ser subdivididas em dois grandes grupos: as técnicas baseadas em séries temporais, e as técnicas baseadas em correlações. – Outro tipo de técnica de previsão é a simulação • Senso Comum – Obtém-se uma previsão mediante a compilação de opiniões daqueles no final da hierarquia que lida com o que está sendo previsto. Ex: uma previsão geral de vendas poderá ser obtida combinando-se as opiniões de cada vendedor, que seja mais próxima de seu território • Pesquisa de mercado – Propõe-se colher dados de várias maneiras (pesquisas, entrevistas, e assim por diante) para testar hipóteses sobre o mercado. Essa é geralmente usada para prever vendas de longo alcance e de novos produtos. • Consenso do painel – Troca aberta livre nas reuniões. A idéia é que as discussões em grupo produzirão previsões melhores do que um indivíduo. Os participantes podem ser executivos, vendedores ou clientes. – Analogia histórica – Liga o que está sendo previsto a um item similar. É importante no planejamento de produtos novos, onde a previsão de demanda poderá ser obtida pelo uso da história de um produto similar. • Método Delphi – Grupos de especialistas respondem ao questionário. Um moderador compila os resultados e formula um novo questionário que é submetido para o grupo. Assim, há um processo de aprendizado para o grupo, conforme este recebe novas informações e não há influência da pressão de grupos ou indivíduos dominantes. • Média móvel simples – Pondera-se um período de tempo contendo um número de pontos dividindo a soma dos valores dos pontos pelo número de pontos. Cada um deles, portanto, tem influência igual. • Média móvel ponderada – Pontos específicos podem ser ponderados mais ou menos do que outros, como parecerem adequados pela experiência. • Média ponderada exponencial – Pontos recentes são ponderados mais com peso, declinando exponencialmente à medida que os dados se tornam mais antigos. • Análise de regressão – Adapta uma linha reta aos dados passados, geralmente relacionando os valores de dados no tempo. A técnica de adaptação mais comum é a de mínimos quadrados. • Técnica de Box Jenkins – Muito complicada, mas aparentemente a técnica estatística mas precisa disponível. Relaciona uma classe de modelos estatísticos aos dados e adapta o modelo à série temporal usando distribuições posteriores de bayesian. • Série temporal Shiskin – (Também chamada de X-11) Desenvolvida por Julius Shiskin do Censo (Census Bureau). Um método eficaz para decompor uma série temporal em sazonais, tendência e irregulares. Precisa de pelo menos 3 anos de história. Muito boa na identificação de pontos críticos, por exemplo nas vendas da empresa. • Projeções da tendência – Adapta uma Linha de tendência matemática aos pontos e a projeta no futuro. • Análise de regressão – Similar aos métodos dos mínimos quadrados na série temporal, mas poderá conter variáveis múltiplas. A base é que a previsão é causada pela ocorrência de outros eventos • Modelos econométricos – Tentativas para descrever alguns setores da economia mediante a uma série de equações independentes. • Modelos de Entrada/Saída – Foca nas vendas de cada indústria para as outras empresas e governo. Indica mudanças nas vendas que a indústria produtora poderá esperar exceto por causas das mudanças nas compras por uma outra indústria • Indicadores – Estatísticas que se movimentam na mesma direção que a série que está sendo prevista, mas se movimentam antes da série, como um aumento no preço da gasolina indica uma queda futura na venda de grandes carros. • São modelos dinâmicos, geralmente computacionais, que permitem que a pessoa que está fazendo a previsão faça suposições sobre as variáveis internas e o ambiente externo do modelo. Dependendo das variáveis do modelo, a pessoa faria perguntas como o que aconteceria com a minha previsão se o preço aumentasse 10%? Qual efeito uma leve recessão nacional teria na minha previsão? Estágios da Demanda no Ciclo de Vida do Produto CRESCIMENTOINTRODUÇÃO MATURIDADE DECLÍNIO TEMPO o Fatores Internos Orçamento de vendas Propaganda Promoções Projeto do Produto/ServiçoDescontos Backlogs o Fatores Externos Ciclo de negócios Competição Consumismo Eventos Mundiais Ações governamentais Ciclo de vida do produto Fatores Influenciando a Demanda Componentes da Demanda Séries Temporais Média Tendência Linear Cíclica Sazonal Aleatória 0 2000 4000 6000 8000 10000 12000 14000 1940 1945 1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 Necessita de suavização Previsão p/ 1990 Componentes da Demanda 0 50 100 150 200 250 300 350 0 20 40 60 80 100 120 140 160 X 2 2,5 3 3,5 4 4,5 5 5,5 6 0 365 LnX LogX Tendência crescente Uh, dê‐me um minuto.... Vendemos 250 rodas na semana passada.... Portanto, na próxima semana, devemos vender.... Previsão Ingênua 44 • A média móvel usa dados de um número predeterminado de períodos, normalmente os mais recentes, para gerar sua previsão. A cada novo período de previsão se substitui o dado mais antigo pelo mais recente. Mm D nn i i 1 n Mmn = Média móvel de n períodos; Di = Demanda ocorrida no período i; n = Número de períodos; i = índice do período (i = 1,2,3,...) 45 Período Janeiro Fevereiro Março Abril Maio Junho Demanda 60 50 45 50 45 70 Mm3 50 45 70 3 55 00 , Mm3 45 70 60 3 58 33 , Mm5 50 45 50 45 70 5 52 00 , Se demanda de julho fosse igual a 60 Visto que a média móvel simples dá peso igual para cada componente do banco de dados de média móvel, uma média móvel ponderada permite que quaisquer pesos sejam dados a cada elemento, contanto que, é claro, a soma de todos os pesos seja igual a 1. Exemplo:Uma loja de departamentos poderá descobrir que, num período de quatro meses, a melhor previsão é obtida utilizando-se 40% das vendas reais para o mês mais recente,30% de dois meses atrás, 20% de três meses atrás e 10% de quatro meses atrás Técnicas para Média Móvel Ponderada Mês 1 Mês 2 Mês 3 Mês 4 Mês 5 100 90 105 95 ? P5 = 95*0,4+105*0,3+90*0,2+100*0,1=97,5 47 • O peso de cada observação decresce no tempo em progressão geométrica, ou de forma exponencial. – Cada nova previsão é obtida com base na previsão anterior, acrescida do erro cometido na previsão anterior, corrigido por um coeficiente de ponderação. – O coeficiente de ponderação () é fixado pelo analista dentro de uma faixa que varia de 0 a 1. Quanto maior o seu valor, mais rapidamente o modelo de previsão reagirá a uma variação real da demanda. M M D Mt t t t 1 1 1 Mt = Previsão para o período t; Mt-1 = Previsão para o período t-1; = coeficiente de ponderação; Dt-1 = Demanda do período t-1. 48 Período Demanda = 0,10 = 0,50 Previsão Erro Previsão Erro 1 90 - - - - 2 95 90,00 5,00 90,00 5,00 3 98 90,50 7,50 92,50 5,50 4 90 91,25 -1,25 95,25 -5,25 5 92 91,12 0,88 92,62 -0,62 6 95 91,20 3,80 92,31 2,69 7 90 91,58 -1,58 93,65 -3,65 8 100 91,42 8,58 91,82 8,18 9 92 92,27 -0,27 95,91 -3,91 10 95 92,25 2,75 93,95 1,05 11 92,52 94,47 Previsão Ingênua =95‐90 =Previsão do período+α * Erro =90+0,10*5 Obs.: Se o erro for geralmente muito grande usar aprox. α=0,8 se for pequeno usar aprox. α=0,2 49 • Uma equação linear possui o seguinte formato: Y = Previsão da demanda para o período X; a = Ordenada à origem, ou intersecção no eixo dos Y; b = Coeficiente angular; X = Período (partindo de X=0) para previsão; n = número de períodos observados. Y a bX b n XY X Y n X X 2 2 a Y b X n 50 b 8 17770 36 3830 8 204 36 36 4280 336 12 73, a 3830 12 73 36 8 42146, , Y = 421,46 + 12,73 X Y9 = 421,46 + 12,73 (9) = 536,03 Y10 = 421,46 + 12,73 (10) = 548,76 Semana(X) Demanda(Y) X^2 XY 1 450 1 450 2 430 4 860 3 470 9 1410 4 480 16 1920 5 450 25 2250 6 500 36 3000 7 520 49 3640 8 530 64 4240 total 36 3830 204 17770 Semana(X) Demanda(Y) 1 450 2 430 3 470 4 480 5 450 6 500 7 520 8 530 Monte a tabela ao lado no Excel Selecione a tabela e clique em inserir gráfico de dispersão 0 100 200 300 400 500 600 0 2 4 6 8 10 Demanda(Y) Demanda(Y) Clique na linha do gráfico, aperte o botão direito e escolha “adicionar linha de tendência” Escolha tipo de tendência linear e marque “exibir equação no gráfico” 0 100 200 300 400 500 600 0 2 4 6 8 10 Demanda(Y) Demanda(Y) y = 12,738x + 421,43 0 100 200 300 400 500 600 0 2 4 6 8 10 Demanda(Y) Demanda(Y) Linear (Demanda(Y)) Linear (Demanda(Y)) 53 Pt+1 = Previsão da demanda para o período t+1; Pt = Previsão da demanda para o período t; Pt‐1 = Previsão da demanda para o período t‐1; Mt = Previsão média exponencial móvel da demanda para o período t; Tt = Previsão da tendência para o período t; Tt‐1 = Previsão da tendência para o período t‐1; = coeficiente de ponderação da média; = coeficiente de ponderação da tendência; Dt = Demanda do período t; 1t t tP M T M P D Pt t t t 1 T T P P Tt t t t t 1 2 1 1 54 Período t Demanda D M P D Pt t t t 1 T T P P Tt t t t t 1 2 1 1 P M Tt t t 1 1 200 Estimativa inicial da tendência = (240-200)/2 = 20 Estimativa inicial da demanda = 240 + 20 = 260 2 250 3 240 260=240+20 4 300 268=260+0,2(300-260) 20=20+0,3((260-240)-20) 288=268+20 5 340 298,4=288+0,2(340-288) 22,4=20+0,3((288-260)-20) 320,8=298,4+22,4 6 390 334,6=320,8+0,2(390-320,8) 25,5=22,4+0,3((320,8-288)-22,4) 360,1=334,6+25,5 7 350 358,0=360,1+0,2(350-360,1) 29,6=25,5+0,3((360,1-320,8)-25,5) 387,6=358,0+29,6 8 400 390,1=387,6+0,2(400-387,2) 29,0=29,6+0,3((387,6-360,1)-29,6) 419,1=390,1+29,0 Fazer a previsão do 9 período. Previsão do 4 período= previsão do período 3+ tendência inicial =(D3‐D1)/2 1 2 3200 240 2 intervalos 55 Período t Demanda D M P D Pt t t t 1 T T P P Tt t t t t 1 2 1 1 P M Tt t t 1 1 200 Estimativa inicial da tendência = (240-200)/2 = 20 Estimativa inicial da demanda = 240 + 20 = 260 2 250 3 240 260=240+20 4 300 268=260+0,2(300-260) 20=20+0,3((260-240)-20) 288=268+20 5 340 298,4=288+0,2(340-288) 22,4=20+0,3((288-260)-20) 320,8=298,4+22,4 6 390 334,6=320,8+0,2(390-320,8) 25,5=22,4+0,3((320,8-288)-22,4) 360,1=334,6+25,5 7 350 358,0=360,1+0,2(350-360,1) 29,6=25,5+0,3((360,1-320,8)-25,5) 387,6=358,0+29,6 8 400 390,1=387,6+0,2(400-387,2) 29,0=29,6+0,3((387,6-360,1)-29,6) 419,1=390,1+29,0 Fazer a previsão do 9 período. Previsão do 4 período= Demanda do 3+ tendência inicial 20=20+0,3((260‐240))‐20) Obs. Como não existe previsão de demanda para o período anterior (t=3), foi utilizado uma previsão ingênua. Sendo P3 igual a demanda de t=3(240) 56 Período t Demanda D M P D Pt t t t 1 T T P P Tt t t t t 1 2 1 1 P M Tt t t 1 1 200 Estimativa inicial da tendência = (240-200)/2 = 20 Estimativa inicial da demanda = 240 + 20 = 260 2 250 3 240 260=240+20 4 300 268=260+0,2(300-260) 20=20+0,3((260-240)-20) 288=268+20 5 340 298,4=288+0,2(340-288) 22,4=20+0,3((288-260)-20) 320,8=298,4+22,4 6 390 334,6=320,8+0,2(390-320,8) 25,5=22,4+0,3((320,8-288)-22,4) 360,1=334,6+25,5 7 350 358,0=360,1+0,2(350-360,1) 29,6=25,5+0,3((360,1-320,8)-25,5) 387,6=358,0+29,6 8 400 390,1=387,6+0,2(400-387,2) 29,0=29,6+0,3((387,6-360,1)-29,6) 419,1=390,1+29,0 Fazer a previsão do 9 período. Previsão do 4 período= previsão do período 3+ tendência inicial Previsão para o período 9 57 • A sazonalidade é expressa em termos de uma quantidade, ou de uma percentagem, da demanda que desvia‐se dos valores médios da série. Caso exista tendência, ela deve ser considerada. – O valor aplicado sobre a média, ou a tendência, é conhecido como índice de sazonalidade. • A forma mais simples de considerar a sazonalidade nas previsões da demanda, consiste em empregar o último dado da demanda, no período sazonal em questão, e assumi‐lo como previsão. Períodos Vendas Passadas Média de vendas para cada estação (1000/4) Fator SazonalPrimavera 200 250 200/250=0,8 Verão 350 250 350/250=1,4 Outono 300 250 300/350=1,2 Inverno 150 250 150/250=0,6 Total 1000 Técnicas para Previsão da Sazonalidade Cálculo do índice de sazonalidade Primeiro deve‐se achar o ciclo de sazonalidade Períodos Demanda esperada para o próximo ano Média de vendas para cada estação (1100/4) Fator Sazonal Previsão sazonal para o próximo ano Primavera 275 0,8 275*0,8=220 Verão 275 1,4 275*1,4=385 Outono 275 1,2 275*1,3=330 Inverno 275 0,6 275*0,6=165 Total 1100 Técnicas para Previsão da Sazonalidade Exemplo: Caso esperemos que a demanda para o próximo ano seja de 1100 unidades, preveríamos que a demanda ocorreria como se segue: Utilizando os fatores do slide anterior 60 • A forma mais usual de inclusão da sazonalidade nas previsões da demanda, consiste em obter o índice de sazonalidade para os diversos períodos, empregando a média móvel centrada, e aplicá‐los sobre o valor médio (ou tendência) previsto para o período em questão. – O índice de sazonalidade é obtido dividindo‐se o valor da demanda no período pela média móvel centrada neste período. O período empregado para o cálculo da média móvel é o ciclo da sazonalidade. Quando se dispõem de dados suficientes, calculam‐se vários índices para cada período e tira‐se uma média. 61 Dia Demanda Média Móvel Centrada Índice Segunda 50 Terça 55 Quarta 52 Quinta 56 443/7=63,28 56/63,28=0,88 Sexta 65 448/7=64 65/64=1,01 Sábado 80 443/7=63,28 80/63,28=1,26 Domingo 85 449/7=64,14 85/64,14=1,32 Segunda 55 443/7=63,28 55/63,28=0,86 Terça 50 448/7=64 50/64=0,78 Quarta 58 443/7=63,28 58/63,28=0,91 Quinta 50 438/7=62,57 50/62,57=0,79 Sexta 70 435/7=62,14 70/62,14=1,12 Sábado 75 435/7=62,14 75/62,14=1,20 Domingo 80 431/7=61,57 80/61,57=1,29 Segunda 52 441/7=63 52/63=0,82 Terça 50 436/7=62,28 50/62,28=0,80 Quarta 54 446/7=63,71 54/63,71=0,84 Quinta 60 456/7=65,14 60/65,14=0,92 Sexta 65 454/7=64,85 65/64,85=1,00 Sábado 85 457/7=65,28 85/65,28=1,30 Domingo 90 458/7=65,42 90/65,42=1,37 Segunda 50 Terça 53 Quarta 55 Isegunda = 0,84 Iterça = 0,79 Iquarta = 0,87 Iquinta = 0,86 Isexta = 1,04 Isábado = 1,25 Idomingo = 1,32 Técnicas para Previsão da Sazonalidade 62 • No caso da demanda do produto apresentar sazonalidade e tendência, há necessidade de se incorporar estas duas características no modelo de previsão. Para se fazer isto, deve-se empregar os seguinte passos: 1. Retirar o componente de sazonalidade da série de dados históricos, dividindo-os pelos correspondentes índices de sazonalidade; 2. Com estes dados, desenvolver uma equação que represente o componente de tendência; 3. Com a equação da tendência fazer a previsão da demanda e multiplicá-la pelo índice de sazonalidade. Trimestre 1 2 3 4 1 2 3 4 Demanda 65 58 50 60 85 75 62 74 A demanda trimestral de determinado produto apresenta sazonalidade e tendência. Para o 10 trimestre o índice de sazonalidade é de 1,3 , para o 20 é de 1,0 , para o 30 é de 0,8 , e para o 40 é de 0,9. Nos últimos dois anos a demanda deste produto apresentou os seguintes dados: a) Retirar a sazonalidade dos dados e gerar uma equação linear para previsão da tendência da demanda; Exemplo: Trimestre 1 2 3 4 1 2 3 4 Demanda 50 58 62,5 66,7 65,4 75 77,5 82,2 I1 = 1,3 I2 = 1,0 I3 = 0,8 I4 = 0,9 Retira-se a sazonalidade dos dados dividindo-os pelos respectivos índices de sazonalidade. Assim, tem-se a seguinte tabela: 0 20 40 60 80 100 1 2 3 4 5 6 7 8 Demanda c/ sazonalidade Demanda s/ sazonalidade Técnicas para Previsão da Sazonalidade Exemplo(continuação): Trimestre (X) Demanda (Y) X X2 XY 1 50,0 1 1 50,0 2 58,0 3 5 116,0 3 62,5 6 14 187,5 4 66,7 10 30 266,8 5 65,4 15 55 327,0 6 75,0 21 91 450,0 7 77,5 28 140 542,5 8 82,2 36 204 657,6 537,3 2597,4 b n XY X Y n X X ( ) ( )( ) ( ) ( )2 2 = 8 2597 4 36537 3 8 204 36 2 . , . , . ( ) = 4,28 a Y b X n ( ) , , .537 3 4 28 36 8 = 47,90 Y = 47,90 + 4,28X D1 trim. = (47,90 + 4,28.9).1,3 = 112,3 D2 trim. = (47,90 + 4,28.10).1,0 = 90,7 D3 trim. = (47,90 + 4,28.11).0,8 = 75,9 D4 trim. = (47,90 + 4,28.12).0,9 = 89,3 Técnicas para Previsão da Sazonalidade Exemplo(continuação): Demanda para o próximo ano 66 • Buscam prever a demanda de determinado produto a partir da previsão de outra variável que esteja relacionada com o produto. • O objetivo da regressão linear simples consiste em encontrar uma equação linear de previsão, do tipo Y = a + bX (onde Y é a variável dependente a ser prevista e X a variável independente da previsão), de forma que a soma dos quadrados dos erros de previsão (b) seja a mínima possível. Este método também é conhecido como “regressão dos mínimos quadrados”. 67 b n XY X Y n X X 2 2 2 0 Y = a + bXY X a Y b X n Ano 1 2 3 4 5 6 7 Demanda por cimento (m3) 735 600 770 670 690 780 640 Taxa de construção (m2) 100 80 105 92 95 107 87 A demanda por cimento está correlacionada com o nível de atividade da construção civil em determinada região. Dados dos últimos sete anos mostram os seguintes desempenhos: Taxa de construção (X) Demanda (Y) XY X2 Y2 100 735 73500 10000 540225 80 600 48000 6400 360000 105 770 80850 11025 592900 92 670 61640 8464 448900 95 690 65550 9025 476100 107 780 83460 11449 608400 87 640 55680 7569 409600 X = 666 Y = 4885 XY = 468680 X2 = 63932 Y2 = 3436125 •Verificar através do cálculo do coeficiente de correlação se esta relação é forte; r n XY X Y n X X n Y Y ( ) ( ). ( ) ( ) ( ) . ( ) ( )2 2 2 2 r 7 468680 666 4885 7 63932 666 7 3436125 48852 2 . . . ( ) . . ( ) = +0,997 A relação é forte. Exemplo: Caso a previsão do nível de atividade da construção civil para o próximo ano seja de 90 m2, qual a demanda esperada por cimento? b n XY X Y n X X ( ) ( )( ) ( ) ( )2 2 = 7 468680 666 4885 7 63932 666 2 . . . ( ) = 6,89 a Y b X n ( ) , .4885 6 89 666 7 = 42,32 Y = 42,32 + 6,89X Dem(Y) = 42,32 + 6,89.90 = 663,42 Exemplo(continuação): Correlação múltipla: y = a + a1.x1 + a2.x2 +….+an.xn PARA DUAS VARIÁVEIS‐‐> y = a + a1.x1 + a2.x2 Previsões Baseadas em Correlações Exemplo para duas variáveis Cidade (y)Demanda(livros) (x1)Preço (x2)Renda 1 166 10 20 2 180 9 21 3 73 10 12 4 81 14 16 5 229 8 24 6 182 15 24 7 233 6 23 8 102 10 15 9 190 7 20 10 150 10 19 11 221 11 25 12 137 15 21 13 173 8 19 14 150 12 20 15 92 10 14 – Y = ‐2,765 ‐ 7,738x1 + 12,286x2 – (demanda) = ‐2,765 ‐ 7,738.(preço) + 12,286.(renda) 71 • Uma vez decidida a técnica de previsão e implantado o modelo, há necessidade de acompanhar o desempenho das previsões e confirmar a sua validade perante a dinâmica atual dos dados. Este monitoramento é realizado através do cálculo e acompanhamento do erro da previsão, que é a diferença que ocorre entre o valor real da demanda e o valor previsto pelo modelo para um dado período. A manutenção e monitoramento de um modelo de previsão confiável busca: – Verificar a acuracidade dos valores previstos; – Identificar, isolar e corrigir variações anormais; – Permitir a escolha de técnicas, ou parâmetros, mais eficientes. 72 • Uma forma de acompanhar o desempenho do modelo consiste em verificar o comportamento do erro acumulado que deve tender a zero, pois espera‐se que o modelo de previsão gere, aleatoriamente, valores acima e abaixo dos reais, devendo assim se anular. – O erro acumulado deve ser comparado com um múltiplo do desvio médio absoluto, conhecido como MAD (Mean Absolute Deviation). – Em geral, compara‐se o valor do erro acumulado com o valor de 4 MAD. Quando ultrapassar este valor, o problema deve ser identificado e o modelo deve ser revisto. MAD D D n atual prevista Manutenção e Monitoramento do Manutenção e Monitoramento do Modelo 73 = 0,10 = 0,50 Período Datual Dprevista Erro DprevistaErro 1 90 - - - - 2 95 90,00 5,00 90,00 5,00 3 98 90,50 7,50 92,50 5,50 4 90 91,25 -1,25 95,25 -5,25 5 92 91,12 0,88 92,62 -0,62 6 95 91,20 3,80 92,31 2,69 7 90 91,58 -1,58 93,65 -3,65 8 100 91,42 8,58 91,82 8,18 9 92 92,27 -0,27 95,91 -3,91 10 95 92,25 2,75 93,95 1,05 Erro 25,41 Erro 8,99 MAD = 31,61/9 = 3,51 MAD = 35,85/9 = 3,98 Para = 0,10, temos que: 4 351 14 04 25 41 , , , ; Para = 0,50, temos que: 4 3 98 15 92 8 99 , , , . Sinal de Rastreamento Sinal de rastreamento = (Real ‐ previsão) DMA Manutenção e Monitoramento do Modelo Mês Previsão de demanda Real Erro Er ro a cu m ul ad o d es vi o ab so lu to so m a d o d es vi o ab so lu to M A D Si na l d e ra st re am en to 1 1000 950 -50 -50 50 50 50 -1 2 1000 1070 70 20 70 120 60 0,333 3 1000 1100 100 120 100 220 73,33 1,636 4 1000 960 -40 80 40 260 65 1,231 5 1000 1090 90 170 90 350 70 2,429 6 1000 1050 50 220 50 400 66,67 3,3 ‐2 ‐1 0 1 2 3 4 1 2 3 4 5 6 Série1 Sinal de Rastreamento Manutenção e Monitoramento do Manutenção e Monitoramento do Modelo 76 • Uma série de fatores pode afetar o desempenho de um modelo de previsão, sendo que os mais comuns são: – A técnica de previsão pode estar sendo usada incorretamente, ou sendo mal interpretada; – A técnica de previsão perdeu a validade devido à mudança em uma variável importante, ou devido ao aparecimento de uma nova variável; – Variações irregulares na demanda podem ter acontecido em função de greves, formação de estoques temporários, catástrofes naturais, etc. – Ações estratégicas da concorrência, afetando a demanda; – Variações aleatórias inerentes aos dados da demanda. • CHASE;, R. B., R. JACOBS;, et al. Administração da Produção para a Vantagem Competitiva 2006. 724 p. • HENRIQUE L. CORREA, I. G. N. G., MAURO CAON. Planejamento, programação e controle da produção: MRP‐II/ERP ‐ Conceito, uso e Implantação. São Paulo: Editora Atlas, v.4. 2001 • STEVENSON, W. J. Administração das Operações de Produção 2002 • TUBINO, D. F. Manual de Planejamento e Controle da Produção. São Paulo: Editora Atlas. 2001 • TUBINO, D.F. Manual de Planejamento e Controle da Produção. http://www.eps.ufsc.br/lssp/index_arquivos/PCP.htm. Santa Catarina. 2007. Slides powerpoint
Compartilhar