Aula3TGCS (1)-convertido

Prévia do material em texto

CADEIA DE SUPRIMENTOS
IDENTIFICAÇÃO E VISÃO
INTEGRADA DOS FATORES CHAVES
O QUE VAMOS ESTUDAR?
Previsão da Demanda
Os processos do Ciclo de Atividade de Suprimentos
Os processos do Ciclo de Atividades de Produção
Os processos do Ciclo de Atividades de Distribuição
9/27/2021Prof Dias Graça GCS
2
PREVISÃO E GESTÃO DE 
DEMANDA EM PRODUÇÃO
PROCESSOS E MÉTODOS.
PROF. MS. DIAS GRAÇA.
PROCESSO DE PREVISÃO:
Coleta de informações relevantes;
Tratamento dessas informações;
Busca de padrões de comportamento;
Consideração de fatores qualitativos relevantes;
Projeção de padrões de comportamento
Estimativa de erros da previsão. 9/27/2021Prof Dias Graça GCS
4
MÉTODOS DE PREVISÃO
Métodos Qualitativos
Recorrem a julgamento, intuição, pesquisas ou técnicas comparativas
Produzem estimativas quantitativas sobre o futuro
Previsões são afetadas por fatores subjetivos
Dados históricos não são relevantes
Previsões são de médio a longo alcance 
Baseados em critério subjetivo e nas opiniões humanas.
9/27/2021Prof Dias Graça GCS
5
QUALITATIVAS: MÉTODOS
Método Delphi.
Júri de executivos.
Força de vendas
Pesquisa de mercado
Analogia histórica
9/27/2021Prof Dias Graça GCS
6
QUALITATIVO:
Método de Delphi: 
consiste na reunião de um grupo de pessoas que devem opinar sobre 
um certo assunto, dentro de regras determinadas para a coleta e 
depuração das opiniões, permitindo que especialistas, às vezes 
distantes, possam participar do processo de previsão.
9/27/2021Prof Dias Graça GCS
7
QUALITATIVO:
Método de Delphi: 
uma série de questionários respondidos anonimamente por pessoas tem 
conhecimento de causa, são excelentes para prever demandas de 
produtos a longo prazo, mudanças tecnológicas e avanços científicos.
9/27/2021Prof Dias Graça GCS
8
QUALITATIVO:
Júri de Executivos: 
procura capturar a opinião de um grupo de altos executivos da 
empresa, com capacidade de discernimento, que tem como 
responsabilidade de desenvolver uma previsão de vendas.
9/27/2021Prof Dias Graça GCS
9
QUALITATIVO:
Força de Vendas: 
desenvolver previsões com base na opinião do pessoal envolvidos 
diretamente com as vendas. O composto agregado de todas as 
estimativas desagregadas é tomado como estimativa global.
9/27/2021Prof Dias Graça GCS
10
QUALITATIVO:
Pesquisa de Mercado: 
esse método solicita diretamente dos clientes em potenciais sua 
intenção de compra futura. Deve-se atentar para o fato que nem 
sempre os entrevistados são realmente fiéis a suas respostas.
9/27/2021Prof Dias Graça GCS
11
QUALITATIVO
Projeção Histórica ou Analogia Histórica:
Necessário ter dados históricos para que as tendências e variações sazonais 
sejam estáveis e bem definidas
Previsão de curto prazo: exatidão e estabilidade
Premissa básica: padrão de tempo futuro será uma repetição do passado
Uso de modelos matemáticos e estatísticos
Procura identificar produtos similares dos quais se possuem dados para, por 
analogia, melhor estimar, por exemplo, um produto novo 9/27/2021Prof Dias Graça GCS
12
QUANTITATIVO:
São os métodos de previsão baseados em séries de dados históricos nas 
quais se procura, através de análise, identificar padrões de 
comportamento para que estes sejam então projetados para o futuro.
9/27/2021Prof Dias Graça GCS
13
COMPONENTES DA SÉRIE TEMPORAL:
Tendência: é a orientação geral, para cima ou para baixo, dos dados 
históricos.
Sazonalidade: são padrões de variação dos dados de uma série que se 
repetem a cada determinado intervalo de tempo.
9/27/2021Prof Dias Graça GCS
14
COMPONENTES DA SÉRIE TEMPORAL
Aleatoriedade: são erros ou variações da série histórica de dados que 
não são devidas as variáveis presentes no modelo de previsão.
Ciclo: são variações associadas a uma variedade de condições políticas 
ou econômicas.
9/27/2021Prof Dias Graça GCS
15
QUANTITATIVAS: SÉRIES TEMPORAIS
Médias móveis.
Suavizamento exponencial.
Projeção de tendências.
Decomposição.
9/27/2021Prof Dias Graça GCS
16
EXERCÍCIOS BASEADOS EM MÉDIAS MÓVEIS
As vendas dos últimos 10 meses de bicicletas ergométricas têm os 
valores da tabela. Determinar a previsão de vendas para os meses 12 
a 16, utilizando o modelo da media móvel dos últimos 10 meses.
9/27/2021Prof Dias Graça GCS
17
EXERCÍCIOS BASEADOS EM MÉDIAS MÓVEIS:
Mês 1 2 3 4 5 6 7 8 9 10
Bicicle
tas
285 288 310 290 305 299 315 320 303 300
9/27/2021Prof Dias Graça GCS
18
Ponderação Exponencial
Ideal para previsão a curto prazo
Necessita de um mínimo de dados
Simplicidade
Precisão
Adapta-se às mudanças fundamentais nos dados de previsão
Média móvel em que as observações mais recentes recebem peso maior que as mais 
antigas:
MÉTODO QUANTITATIVO
ttt FAF ).1(.1  −+=+ Ft+1: previsão para o próximo período t+1
α: constante da ponderação exponencial, 0 a 1
At: demanda no período t
Ft: previsão para o período t
9/27/2021 Prof Dias Graça GCS 19
Ponderação Exponencial
MÉTODO QUANTITATIVO
ttt FAF ).1(.1  −+=+
maior α
maior peso à demanda 
recente
maior agilidade na 
resposta às mudanças
menor α
maior peso ao histórico de 
previsões
menor agilidade na resposta 
às mudanças, estabilidade
9/27/2021 Prof Dias Graça GCS 20
MÉTODO QUANTITATIVO
Ponderação Exponencial
✓Definição dos Erros de Previsão
Projetar uma faixa para a demanda real
Previsão estatística → desvio padrão
Erro de previsão = demanda real – demanda prevista
( )
1
2
−
−
=

N
FA
S t
tt
F
SF: erro padrão da previsão
At: demanda real no período t
Ft: previsão para o período t
N: número de períodos de previsão
9/27/2021 Prof Dias Graça GCS 21
EXERCÍCIO BASEADO EM MÉDIAS MÓVEIS:
Uma empresas usa a média exponencial móvel com ᾳ=0,1 para prever a 
demanda de caixas de latas de cerveja. A previsão é feita semanalmente. Na 
primeira semana de fevereiro, a previsão atingiu 500 unidades, enquanto a 
demanda real fechou em 450 unidades. Então:
Qual será a demanda projetada para a segunda semana de fevereiro?
Considerando que a demanda real na segunda semana de fevereiro foi de 515 
caixas, qual será a demanda projetada para a terceira semana de fevereiro?
O que aconteceria com as previsões se a empresa usasse como coeficiente 
exponencial ᾳ=0,15?
9/27/2021Prof Dias Graça GCS
22
EXERCÍCIO BASEADO EM MÉDIAS MÓVEIS:
Um boxe de venda de produtos alimentícios do mercado municipal da cidade 
vendeu a seguinte quantidade de produtos em quilogramas, nos últimos dez 
dias:
Calcule a previsão de demanda desses produtos para o décimo primeiro dia, 
utilizando:
a) O modelo da média móvel simples para os três últimos períodos de
venda. (R.24,3; 49; 37,7;20)
b) O modelo da média móvel ponderada, atribuindo pesos 0,6; 0,3; 0,1
para o último, o penúltimo e o antepenúltimo períodos, respectivamente.
(R.25; 48,5; 36,8;18,9)
c) O modelo da média móvel com suavização exponencial simples, para
os três últimos períodos, atribuindo o valor de = 0,15. (R. 24,9; 48,1; 35,3;19)
9/27/2021Prof Dias Graça GCS
23
EXERCÍCIO BASEADO EM MÉDIAS MÓVEIS:
Dia 1 2 3 4 5 6 7 8 9 10
Feijão 26 23 25 20 19 22 20 22 26 25
Arroz 36 40 42 43 45 42 47 50 49 48
Macarrão 25 32 30 34 37 36 30 38 40 35
Farinha 19 18 15 22 19 23 20 24 17 19
9/27/2021Prof Dias Graça GCS
24
AJUSTAMENTO SAZONAL: metodologia
Determinar a média em cada ano;
Determinar os coeficientes de sazonalidade em cada período de 
sazonalidade;
Calcular o coeficiente médio de sazonalidade em cada período;
Projetar a demanda global para o ano
Determinar a média para cada período do ano previsto;
Determinar a demanda em cada período do ano utilizando o coeficiente 
médio de sazonalidade.
9/27/2021Prof DiasGraça GCS
25
EXERCÍCIO BASEADO NA SAZONALIDADE
Uma empresa deve realizar previsão de demanda de um produto 
sazonal e para tanto coletou os dados de consumo dos últimos quatro 
anos.
Desenvolva o modelo de ajustamento sazonal;
Qual o consumo em cada trimestre do ano 5, sabendo-se que naquele 
ano devem ser consumidas 3.000 unidades ao todo?
9/27/2021Prof Dias Graça GCS
26
EXERCÍCIO BASEADO NA SAZONALIDADE:
Trimestre Ano 1 Ano 2 Ano 3 Ano 4
1 150 180 230 210
2 340 400 500 600
3 200 250 340 400
4 400 600 750 890
9/27/2021Prof Dias Graça GCS
27
QUANTITATIVA: MODELOS CAUSAIS
Premissa básica: nível da variável de previsão depende do nível de outra(s) 
variável(is)
Com boas relações de causa-e-efeito → efetividade na previsão
Dificuldade em encontrar variáveis causais
Modelos em formatos estatísticos (modelos de regressão e econométricos) e 
descritivos (modelos de entrada e saída, ciclo de vida e simulação)
9/27/2021Prof Dias Graça GCS
28
QUANTITATIVA: MODELOS CAUSAIS
Regressão simples.
Regressão múltipla.
9/27/2021Prof Dias Graça GCS
29
REGRESSÃO LINEAR: COEFICIENTES
9/27/2021Prof Dias Graça GCS
30
( ) ( ) ( )
( )22 

−
−
ii
iiii
x xn.
yx yxn.
b = 
n
xby
a = 
ii  −
COEFICIENTES
REGRESSÃO
Y = a.X + b
9/27/2021CORRELAÇÃO & REGRESSÃO DIAS GRAÇA
31
ESTIMATIVA
REGRESSÃO
9/27/2021CORRELAÇÃO & REGRESSÃO DIAS GRAÇA
32
EXERCÍCIO BASEADO NA REGRESSÃO LINEAR:
Uma empresa fabrica e comercializa seringas descartáveis. A demanda,
expressa em mil unidades, nos primeiros nove meses do ano foi:
Preveja, por meio do método dos mínimos quadrados, o consumo de 
seringas nos meses de outubro, novembro e dezembro. (R. 192; 198; 
203)
9/27/2021Prof Dias Graça GCS
33
EXERCÍCIO BASEADO NA REGRESSÃO LINEAR:
MES JAN FEV MAR ABRIL MAIO JUN JUL AG SET
Deman
da
145 134 142 161 158 168 180 172 180
9/27/2021Prof Dias Graça GCS
34
EXERCÍCIO BASEADO NA REGRESSÃO LINEAR:
O consumo de caixas de sabão em pó em um pequeno supermercado 
nos últimos dez meses atingiu os seguintes níveis: 750; 680; 740; 710; 
690; 640; 720; 700; 600 e 650. Utilize o método dos mínimos 
quadrados e calcule as previsões para os próximos três meses.
9/27/2021Prof Dias Graça GCS
35
RASTREAMENTO DA PREVISÃO
É o processo que compara a demanda real com a previsão, obtendo-se o 
“erro de previsão” (variação).
Deve possibilitar uma reação ao erro de previsão:
. Replanejamento
. Diminuição do erro
9/27/2021Prof Dias Graça GCS
36
GESTÃO DA DEMANDA:
Consiste em coordenar e controlar todas as origens de demandas para 
que o sistema produtivo possa ser usado efetivamente e o produto 
possa ser entregue no prazo.
9/27/2021Prof Dias Graça GCS
37
FUNÇÕES DA GESTÃO DA DEMANDA:
Habilidade para prever a demanda.
Canal de comunicação com o mercado.
Poder de influencia sobre a demanda.
Habilidade de prometer prazos.
Habilidade de priorização e alocação
9/27/2021Prof Dias Graça GCS
38
TIPO DE DEMANDA
Itens de demanda independente – IDI
Vendas depende do mercado / sem controle direto da empresa
Técnicas de previsão – métodos qualitativos; métodos quantitativos
Ex.: Produtos acabados / peças / itens finais
Bicicleta, DVD, rádio, automóvel, colchão, desodorante
9/27/2021Prof Dias Graça GCS
39
TIPO DE DEMANDA
Itens de demanda dependente – IDD
A demanda depende da demanda de um IDI
Não precisam ser previstas: derivam da demanda de IDI
Sistema MRP – quando e quanto comprar
Ex.: Matéria-prima / peças para montagem
Guidon, corrente, selim, pneus, freios, catraca, etc
9/27/2021Prof Dias Graça GCS
40