Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Introdução à Logística 1 Council of Logistics Management “Logística é a parcela do processo da cadeia de suprimentos que planeja, implanta e controla o fluxo eficiente e satisfatório de matérias-primas, estoque em processo, produtos acabados e informações relacionadas, desde seu ponto de origem até o ponto de consumo, com o propósito de atender aos requisitos dos clientes”. 2 Council of Supply Chain Management Professionals – cscmp.org Logística é a parte do processo da cadeia de suprimentos que planeja, implementa e controla de forma eficiente e efetiva o fluxo e a armazenagem, avante e reverso, de bens, serviços e informações relacionadas, entre o ponto de origem e o ponto de consumo buscando o atendimento das exigências do consumidor. 3 3 Associação Brasileira de Logística - aslog.org.br Logística é o processo de planejamento, implementação e controle do fluxo e armazenagem eficientes e de baixo custo de matérias-primas, estoque em processo, produto acabado e informações relacionadas, desde o ponto de origem até o ponto de consumo, com o objetivo de atender aos requisitos do cliente. 4 4 Resumindo O objetivo da Logística é tornar disponíveis produtos e serviços no local onde são necessários, no momento em que são desejados. 5 MISSÃO DA LOGÍSTICA: 6 ATIVIDADES DA LOGÍSTICA 7 Explicar as atividades da Logística. Ressaltar que cada peça do quebra-cabeça representa uma área da Logística. Caso alguma área apresente algum problema, poderá haver comprometimento do processo. 7 A construção civil ao longo dos anos não deu a devida importância à sua área de manufatura – o canteiro de obras. A preocupação dos gestores com o canteiro de obras sempre foi relacionada aos aspectos técnicos do projeto arquitetônico-estrutural, sem a merecida preocupação com desperdícios, prazos e retrabalhos, ou seja, com o gerenciamento do fluxo de suprimentos. 8 Apesar das exigências pela qualidade relacionadas ao consumidor, ainda persistem os altos índices de desperdício e improvisação dentro dos canteiros de obras da construção civil. 9 A falta de modulação dos projetos ou de integração entre projetos, a tecnologia de informação pouco desenvolvida dentro do setor, a má administração dos materiais, as deficiências de formação e qualificação de mão-de-obra, as práticas construtivas não racionalizadas e as alterações de projetos que ocorrem no transcorrer do sistema construtivo, são as principais causas determinantes desta situação que age de forma contundente na redução do índice de produtividade e aumento considerável dos custos de produção. 10 11 12 DECISÕES PRINCIPAIS NA LOGÍSTICA Tipo de decisão Estratégica Tática Operacional Localização Nº de locais; tamanhoe onde Posicionamento dos estoques Roteirização; expedição Transportes Seleção dos modais Sazonalidades Quantidades;tempos Processamento de pedidos Sistemaa implantar Priorização do atendimento Tempo de atendimento Serviços ao cliente Padrões a serem seguidos Armazenagem Layout e locais Sazonalidade Execução dos pedidos Compras Politicas Contratação e seleção de fornecedores Execução dos pedidos Ballou, 2001:42 13 RECURSOS DA LOGÍSTICA Estoques Transportes Armazenagem Canais de distribuição Informação Redes logísticas Embalagem 14 PREVER É... "A arte da previsão consiste em antecipar o que acontecerá e depois explicar o porque não aconteceu." (Churchill, Winston – político – 1874/1965) 15 Prever a demanda: A IMPORTÂNCIA. É a base para o planejamento estratégico da produção, vendas e finanças de qualquer empresa. Permite que os administradores antevejam o futuro e planejem adequadamente suas ações. Usada pelo PCP em dois momentos distintos: para planejar o sistema produtivo (longo prazo - produtos/serviços, instalação, equipamentos); para planejar o uso (curto prazo - planos de produção, armazenagem e compras, sequenciamento) deste sistema produtivo. 16 Prever a demanda: por quê? Prever níveis de demanda é vital à empresa, principalmente para atividades produtiva que exigem estimativas acuradas dos volumes de produtos e serviços a serem manipulados na cadeia de suprimento. Ajuda na resolução de problemas como o controle de estoque, compra econômica e o controle de custo, a previsão de tempo de respostas, os preços e os custos. 17 Introducão Previsão de demanda: o que se busca? Entender a variação da demanda ao longo do tempo. (temporal) Estimar para a Logística onde e quando o volume de demanda ocorrerá. (espacial) 18 Introducão Previsão de demanda: foco. Variação Temporal: É a abordagem da maioria dos métodos de previsão de curto prazo. Identifica o impacto causado por diversos fatores sobre resultado de crescimento ou declínio em taxas de vendas, sazonalidade na demanda-padrão e flutuações gerais. 19 20 21 Introducão Previsão de demanda: foco. Localização Espacial: Necessária para planejar localizações do armazém, equilíbrio nos níveis de estoque através da rede logística e alocação geográfica nos recursos de transporte; Devem refletir as diferenças geográficas que afetam os padrões de demanda. 22 23 Introducão Previsão de demanda: perguntas a responder? Quanto se deve fabricar nos próximos dias? Quais os produtos e/ou serviços que nós devemos oferecer daqui alguns anos? A minha tecnologia está adequada para a produção futura? Quais são os investimentos para os próximos anos? Devo ampliar e/ou construir novas instalações? Devo contratar pessoal ou investir em treinamento? Qual será a necessidade de matéria-prima futura? 24 Introducão Qualidade da previsão de demanda... São fatores importantes que interferem na qualidade da previsão de demanda: Disponibilidade de dados, tempo e recursos; Determinação do horizonte de previsão; Capacidade para interpretar os dados. 25 Introducão previsão de demanda: qual modelo escolher? São fatores que podem influenciar a escolha do modelo adequado para previsão de demanda: A existência de histórico da demanda passada; Planejamento das campanhas publicitárias; Localização física das instalações; Conjuntura econômica; Planejamento de descontos e preços; Ações dos concorrentes. 26 Introducão BASE PARA TÉCNICAS DE previsão de demanda... Projeção: o futuro será repetição do passado ou as demandas evoluirão no tempo; Explicação: procura-se explicar as demandas do passado mediante de leis que relacionem as mesmas com outras variáveis cuja evolução é conhecida ou previsível. São aplicações de técnicas de regressão e correlação; Predileção: é o estabelecimento da evolução das demandas futuras através de funcionários experientes e conhecedores de fatores de influência nas vendas e no mercado. 27 Introducão Métodos de previsão de demanda... Estão divididos em 4 grupos: qualitativo, quantitativo, causal e simulação. Diferem em termos de: acuracidade relativa na previsão de longo prazo x curto prazo; nível de sofisticação; e base de dados da qual deriva a previsão (dados históricos, opinião de especialistas ou pesquisas). 28 Introducão Métodos de previsão de demanda: qual usar? Qualitativo (subjetivo): Baseado no julgamento e na opinião de alguém para fazer a previsão. Utilizado quando existem poucos dados históricos ou para apoio nas decisões finais. 29 Introducão Métodos de previsão de demanda: qual usar? Quantitativo: Utiliza o histórico da demanda para realizar as previsões. Ótimo quando a situação do ambiente é estável e a demanda não sofre variações significativas. 30 Introducão Métodos de previsão de demanda: qual usar? Causal: É um método quantitativo que é utilizado quando a previsão da demanda está relacionada com alguns fatores conjunturais,(situações econômicas, crises em outros países). Correlaciona causa com valores de previsão de demanda (comportamento de uma variável dependente com o de uma ou mais variáveis independentes). 31 Introducão Métodos de previsão de demanda: qual usar? Simulação: Reproduz as escolhas dos consumidores que geram as demandas. Pode relacionar os modelos Temporais e Causais. 32 Introducão Tipos de demanda - relações Demanda Derivada x Demanda Independente Demanda Independente: Gerada diretamente pelos clientes. A maioria dos modelos de previsão em curto prazo é baseada em condições de independência e aleatoriedade na demanda. Demanda Dependente: Derivada das exigências especificadas em uma programação de produção. Padrões de demanda derivada são altamente não-aleatórios. 33 Introducão Previsão de demanda: usar sempre? A previsão da demanda dos produtos não é uma ciência exata, envolve uma boa dose de experiência e julgamento pessoal do planejador – sujeita a erros. Será sempre mais vantajoso basear os planos de longo e de médio prazo em informações confiáveis, vindo diretamente dos clientes parceiros, do que fazer previsões sujeita a erros (manufatura enxuta). 34 Funções da manutenção de estoques BALLOU. R. H. Logística empresarial: transportes, administração de materiais e distribuição física. Melhorar o serviço ao cliente Auxilia o serviço de vendas, e quanto maior a demanda, maior a quantidade de produtos a serem entregues. No caso de lojas de varejo, preços menores do que os praticados pela concorrência são responsáveis por vendas alavancadas Proteção contra contingências Problemas externos ao alcance da organização têm suas consequências diminuídas com estoques dos produtos mantidos na própria loja Economia de escala Os custos de aquisição são inversamente proporcionais ao volume de compra. Quanto maior o lote a ser comprado, menor o custo unitário Proteção contra mudanças de preços em tempo de inflação alta Compras efetuadas em grandes volumes diminuem o efeito do aumento de preços praticado pelos fornecedores Proteção contra incertezas na demanda e no tempo de entrega Quando não são estáveis o comportamento do cliente e o prazo dos fornecedores, os estoques funcionam para garantir mais segurança 35 35 Custos da manutenção de estoques MARTINS, P. G. Administração de materiais e recursos patrimoniais. Custos de armazenagem Quanto maior o estoque, maior a área necessária de depósito. Os custos podem ser de imobilizado ou de aluguel Custos decorrentes de furtos e roubos Quanto maiores os estoques, maiores as chances de os produtos serem roubados ou furtados, aumentando a necessidade de reforço da proteção do inventário Custos de manuseio Proporcionalmente ao volume de produtos estocados, maior será a necessidade de pessoas e equipamentos para manuseá-los Custos com perdas As chances de perdas de produtos em estoque aumentam com a quantidade de materiais armazenados. O manuseio inadequado pode provocar a inutilização dos produtos Custos da obsolescência Grande quantidade de material estocado aumenta as chances de passar o prazo de validade de parte dos produtos, por dificuldade de controle ou previsão incorreta de demanda 36 36 Métodos de Previsão de Demanda 37 Etapas de um Modelo de Previsão Objetivos do Modelo Coleta e Análise de Dados Seleção da técnica de Previsão Obtenção das Previsões Monitoramento do Modelo 38 38 Introducão MODELO DE PREVISÃO DE DEMANDA. Objetivo do Modelo Coleta e Análise dos Dados Seleção da Técnica de Previsão Obtenção das Previsões Monitoração do Modelo 39 40 Objetivo 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. A sofisticação e o detalhamento do modelo depende da importância relativa do produto, ou família de produtos, a ser previsto e do horizonte ao qual a previsão se destina. Itens pouco significativos podem ser previstos com maior margem de erro, empregando-se técnicas simples. Assim como admite-se margem de erro maior para previsões de longo prazo, empregando-se dados agregados de famílias de produtos. 41 Coleta e Análise dos Dados Visa identificar e desenvolver a técnica de previsão que melhor se adapte. Alguns cuidados básicos: Quanto mais dados históricos forem coletados e analisados, mais confiável a técnica de previsão será; Os dados devem buscar a caracterização da demanda real pelos produtos da empresa, que não é necessariamente igual as vendas passadas (faltas, postergação,...); Variações extraordinárias da demanda (greves, promoções, ...) devem ser analisadas e substituídas por valores médios, compatíveis com o comportamento normal da demanda; O tamanho do período de consolidação dos dados (semanal, mensal,...) tem influência direta na escolha da técnica de previsão mais adequada, assim como na análise das variações extraordinárias. Periocidades Diferentes para Dados Idênticos sazonalidade média 42 43 Seleção da Técnica de Previsão Existem Técnicas Qualitativas e Quantitativas. Cada uma tendo o seu campo de ação e sua aplicabilidade. Alguns fatores merecem destaque na escolha da Técnica de Previsão: Decidir em cima da curva de troca “custo-acuracidade”; A disponibilidade de dados históricos; A disponibilidade de recursos computacionais; A experiência passada com a aplicação de determinada técnica; A disponibilidade de tempo para coletar, analisar e preparar os dados e a previsão; O período de planejamento para o qual se necessita da previsão. 44 Técnicas de Previsão 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. 44 45 Técnicas de Previsão 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 causais (Mais conhecidos: Regressão Simples e Múltipla) 46 Técnicas de Previsão Técnicas Qualitativas Pouco tempo para coleta de dados, introdução de novos produtos, cenário político/econômico instável Questões estratégicas – em conjunto com modelos matemáticos e técnicas quantitativas Técnicas Quantitativas Séries Temporais – modelo matemático da demanda futura relacionando dados históricos de vendas do produto com o tempo Causais – associar dados históricos de vendas do produto com uma ou mais variáveis relacionadas à demanda 47 Técnica Delphi Análise de Cenários Júri executivo de opiniões Composição de forças de vendas Pesquisas de mercado Métodos Qualitativos mais comuns 48 Métodos Quantitativos de Previsão Partem do princípio de que a demanda futura será uma projeção dos seus valores passados, não sofrendo influência de outras variáveis. É o método mais simples e usual de previsão, e quando bem elaborado oferece bons resultados. Para se montar o modelo de previsão, é necessário plotar os dados passados e identificar os fatores que estão por trás das características da curva obtida (Previsão final = composição dos fatores). Uma curva temporal de previsão pode conter tendência, sazonalidade, variações irregulares e variações randômicas (há técnicas para tratar cada um destes aspectos). Previsões Baseadas em Séries Temporais 48 49 Previsões Baseadas em Séries Temporais 50 ST de Modelo Fixo Média simples (MS) Média Móvel Simples (MMS) Média Móvel Dupla (MMD) Amortecimento Exponencial Simples (AES) Amortecimento Exponencial Duplo ( Método de Brown) Amortecimento Exponencial Duplo ( Método de Holt) Amortecimento Exponencial Triplo ( Método de Winter) Metodologias de Seleção de Coeficientes de Amortecimento 51 Média Simples (MS) Média aritmética simples de todas as vendas passadas: - Previsão para o próximo período; - Valor real observado no período t; - Número de períodos no histórico de vendas passadas Não é indicada quando há Tendência ou Sazonalidade 52 53 Média Móvel Simples (MMS) A média móvel usa dados de um número já determinado 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. Não é indicada quando há Tendência ou Sazonalidade : previsão para o próximo período; : média móvel no período t; : valor real observado no período t; : número de períodos considerados na média móvel. 53 54 Média Móvel Simples Período Janeiro Fevereiro Março Abril Maio Junho Julho Demanda 60 50 45 50 45 70 60 Previsões para Julho Previsão para Agosto Alternativa: ponderar os períodos com pesos maiores para os mais recentes (50%, 30%, 20%: Julho = 58,50) 54 55 56 57 Técnica para Previsão da Sazonalidade 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. Exemplo: Índice de Sazonalidade de cervejas em janeiro = 1,30, ou seja, é 30% maior que a média anual. 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. Exemplo: Venda de casacos em julho/2003 = Vendas em julho/2002 + tendência Decomposição Clássica 57 58 Técnicas para Previsão da Sazonalidade 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. Decomposição Clássica 59 60 Previsão da Sazonalidade: Exemplo do Restaurante Demanda = Número de Refeições 61 Técnicas para Previsão da Sazonalidade 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: Primeiro, retirar o componente de sazonalidade da série de dados históricos, dividindo-os pelos correspondentes índices de sazonalidade; Com estes dados, desenvolver uma equação que represente o componente de tendência; Com a equação da tendência fazer a previsão da demanda e multiplicá-la pelo índice de sazonalidade. 61 62 Previsão de Tendência & Sazonalidade Exemplo: No caso do Restaurante, considere uma tendência dada pela equação: Y = 40 + 2X. Deseja-se a previsão da demanda para uma semana onde a 2a. Feira é o 18o. Dia. Solução: D(2a.) = (40 + 2.18).0,84 = 63,84 D(3a.) = (40 + 2.19).0,79 = 61,62 D(4a.) = (40 + 2.20).0,87 = 69,60 D(5a.) = (40 + 2.21).0,86 = 70,52 D(6a.) = (40 + 2.22).1,04 = 87,36 D(sab.) = (40 + 2.23).1,25 = 107,50 D(dom) = (40 + 2.24).1,32 = 116,16 63 Modelos Causais Regressão Linear Simples Regressão Linear Múltipla 64 Previsões Baseadas em Regressões Buscam prever a demanda de determinado produto a partir da previsão de outra variável (interna ou externa à empresa) que esteja relacionada com o produto. Exemplo: Pneus e Carros, Vidros planos e Construção Civil 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”. 64 65 Previsões Baseadas em Regressões 66 Uma equação linear possui o seguinte formato: Y = Variável Dependente; a = Intercepto no eixo da variável Independente (Y); b = Coeficiente angular; X = variável Independente; n = número de períodos observados. Regressão Linear 66 67 Regressão Linear - Exemplo 67 68 Regressão Linear - Exemplo 68 69 Previsões Baseadas em Regressões Uma cadeia de fastfood verificou que as vendas mensais de refeições em suas casas estão relacionadas ao número de alunos matriculados em escolas situadas num raio de 2 quilômetros em torno da casa. A empresa pretende instalar uma nova casa numa região onde o número de alunos é de 13750. Qual a previsão da demanda para esta nova casa? 69 70 Previsões Baseadas em Regressões Vendas/Loja Versus Número de Alunos Vendas Mensais em Lojas de uma Cadeia de Fastfood 71 Previsões Baseadas em Regressões Medida da Correlação entre duas Variáveis: 71 72 Obtenção das Previsões 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. À 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. Período D.Real 1 3.973 2 3.531 3 3.523 4 3.551 5 3.524 6 3.632 7 3.525 8 3.620 9 3.159 10 3.084 11 3.204 12 2.826 13 3.188 14 2.991 15 2.633 16 2.792 17 2.779 73 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 � � � �� �� � ��� ���� INCORPORAR Equation.2 ������� Y Y = a + bX X b Y = 421,46 + 12,73 X Semana(X)� Demanda(Y)� � INCORPORAR Equation.2 ���� � INCORPORAR Equation.2 ���� XY� � 1� 450� 1� 1� 450� � 2� 430� 3� 5� 860� � 3� 470� 6� 14� 1410� � 4� 480� 10� 30� 1920� � 5� 450� 15� 55� 2250� � 6� 500� 21� 91� 3000� � 7� 520� 28� 140� 3640� � 8� 530� 36� 204� 4240� � � INCORPORAR Equation.2 ���� 3830� � � 17770� � � ou seja 42.869 refeições _928904246.unknown � INCORPORAR Equation.2 ���= � INCORPORAR Equation.2 ���2,99 � INCORPORAR Equation.2 ���= � INCORPORAR Equation.2 ���1,757 Y = 1,757 + 2,99X
Compartilhar