Baixe o app para aproveitar ainda mais
Prévia do material em texto
Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA Engenharia de Produção Coordenação de Eng. Produção Disciplina: PCP I – PLANEJAMENTO E CONTROLE DA PRODUÇÃO Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA ALEXANDRE C. PAIXÃO Doutorando e Mestre em Engenharia Civil na UFF, Pós-graduado em Engenharia de Equipamentos On&Off Shore - FUNCEFET, Especialista em Engenharia de Válvulas Industriais – USP e Pós-graduado em Gerenciamento de Projetos (Master in Project Manaagement) pela UFRJ, Engenheiro de Produção (UVA), e Técnico em Mecânica - ETER. Atuação de mais de 10 anos nas áreas de Gerenciamento de Projetos (Petrobras & Transpetro), Industria de Polímeros, Logística, Facility Management e Expansão e comercialização do fornecimento de Gás Natural no estado do Rio de Janeiro e Impermeabilização para a Construção Civil. Atuação em projetos acadêmicos, com apoio à alunos de graduação e programas de cursos de extensão e Pós-graduação envolvendo as melhores práticas de Gerenciamento de Projetos e Logística. Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA MÉDIA EXPONENCIAL MÓVEL • Cada nova previsão é obtida com base na previsão anterior, acrescida do ERRO cometido na previsão anterior, corrigido por um coeficiente de ponderação. M t = +Mt-1 ( Mt-1-a t-1D ) Previsão para o período Previsão para o período “t- 1” Coeficiente de ponderação Demanda do período “t-1” 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA • Ex – 4: Admitindo as demandas nos últimos 10 períodos tivemos o seguinte comportamento: • OBS.: O coeficiente de ponderação (“”) é fixado pelo analista dentro de uma faixa que varia de 0 a 1. • Valores normalmente usados para “ “ = 0,05 a 0,5 • Qual será a previsão de demanda para o período 11? • Sendo “1 “ = 0,1 e “1 “ a 0,5 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA 2) TÉCNICA PARA PREVISÃO DE TENDÊNCIA EQUAÇÃO LINEAR DE TENDÊNCIA Y= +a xb Previsão para o período Ordenada ou eixo “y” Coeficiente angular Período para previsão 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA • Empregando os dados históricos da demanda, os coeficientes “a” e “b” podem ser obtidos pelas seguintes equações: xy - 2 b= n n ) ( ) ( x)( y) ( x ) ( x- 2 y -a= n ( x )b n = N˚ de períodos observados 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA • Ex: Admitindo que determinado produto apresentou nas últimas oito semanas os valores descritos abaixo, em que também estão calculados os valores necessários para obter os parâmetros a e b da equação linear. Y 2 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA • Continuação Ex – 5: Qual a previsão de demanda para as semanas 9 e 10? xy - 2 b = n n ) ( ) ( x)( y) ( x ) ( x- 2 y -a = n ( x )b 3.830-a = 8 36( )12,73 a = 421,46 17.77 0 -b = 8 8 ) ( ) ( 36 ) ( 3.830 ) (204 (36 . 36-) b = 12,73 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA • Continuação Ex – 5: Qual o resultado para a equação de previsão e o resultado das semanas 9 e 10? Y= +a xb a = 421,46 b = 12,73 Y = 421,46 + 12,73 x Y = 421,46 + 12,73 (9)9 Y = 421,46 + 12,73 (10)10 Y = 548,76 Y = 536,03 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA AJUSTAMENTO EXPONENCIAL PARA TENDÊNCIA • Consiste em fazer a previsão baseada em dois fatores: - Previsão média exponencial móvel; - Estimativa exponencial da tendência. P = +M tTtt+1 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA P = +M tTtT+1 T= (PTt t-1+ 2 -)t-Pt-1( Tt-1) M = P tDtt + 1( tP- ) Previsão para o período “t+1” Previsão para o período “t” Previsão para o período “t-1” Previsão méd. exponencial móvel da demanda p/ o período “t” Previsão de tendência para o período “t” Demanda do período “t” Coeficiente de ponderação média Previsão de tendência para o período “t-1” Coeficiente de ponderação tendência 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA • 1˚ passo: Identificar os Valores dos coeficientes “1 e 2” • 2˚ passo: Estabelecer as estimativas de tendência e demanda Demanda estabelecida como referência Estimativa Inicial de Tendência Demanda Inicial Resultado- = Estimativa Inicial de Demanda Demanda estabelecida como referência + Resultad o P= t 4.2 – Técnicas de Previsão 4. Previsão de Demanda / 2)( Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA • Ex: A demanda dos últimos oito trimestres de um produto estão apresentadas na tabela abaixo. Qual a previsão para o nono período, considerando o ajustamento exponencial para a tendência. Empregar 1 = 0,2 e 2 = 0,3, considerando os três primeiros períodos para a estimativa inicial da tendência, e a previsão do quarto período como sendo a demanda do terceiro período mais a tendência inicial estimada. 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA 3) TÉCNICA PARA PREVISÃO BASEADA EM CORRELAÇÃOEsta técnica busca prever a demanda com base na previsão de outra variável que esteja relacionada ao produto/serviço. Para esta técnica o objetivo maior é estabelecer uma equação que identifique a o efeito da variável. Y = a + bX ∑β² => 0 Y X 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA 4.2 – Técnicas de Previsão 4. Previsão de Demanda Y = +a xb xy - 2 b = n n ) ( ) ( x) ( y ) ( x ) ( x- 2 y -a = n ( x )b Y = previsão da demanda para o item dependente; a = ordena à origem, ou intercepção no eixo dos Y; b = Coeficiente angular; X = Valor da variável independente; n = número de pares XY observados. Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA r = Índice de correlação O “ r “ viria de +1 a -1 Quando o “ r “ estiver próximo de +1 Alta correlação Quando o “ r “ estiver próximo de -1 Baixa correlação Quando o “ r “ estiver próximo de 0 Não há correlação Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA Uma cadeia de Fast Food verificou que as vendas mensais de refeições em suas casas estão relacionadas ao número de alunos matriculados em escolas situadas num raio de 2Km em torno da casa. Os dados referentes às vendas mensais e ao numero de alunos matriculados num raio de 2Km das 13 casas da cadeia estão apresentados na tabela abaixo. A empresa pretende instalaruma nova casa numa região onde o numero de alunos é de 13.750. Qual a previsão da demanda para essa nova casa? 4.2 – Técnicas de Previsão Exercício Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA • Existem diversos métodos para a realização de previsões quando o consumo é sazonal. • A sazonalidade caracteriza-se pela ocorrência de variações, para cima e para baixo, a intervalos regulares nas séries temporais da demanda. OBS.: Deve existir uma razão plausível para a ocorrência, e posterior repetição, destas variações. • O método baseia-se na determinação da média de consumo em cada ano e os coeficientes de sazonalidade para cada período. Com esses valores, determina-se o coeficiente médio de sazonalidade para cada período. Assim sendo, projeta-se a demanda global para o ano previsto e a média de consumo para cada período. AJUSTAMENTO SAZONAL (PARA FENÔMENOS S/ TENDÊNCIAS) 4) TÉCNICA PARA PREVISÃO DA SAZONALIDADE 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA • Ex – 9: A tabela apresenta a base de dados de consumo, de um determinado “combo” de sanduíches, de uma lanchonete no centro de Caxias, estes são os resultados obtidos nos últimos quatro anos. 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA • Ex: A associação de empresas fertilizantes deseja elaborar uma previsão de vendas para colocá-la à disposição de seus associados a fim de que eles possam desenvolver melhores critérios de produção e de estoque de produtos . Os fertilizantes têm um comportamento de venda sazonal, e a associação coletou os dados de consumo dos últimos 5 anos, que se encontram na tabela abaixo: (Base: 1.000 toneladas) Desenvolver o modelo de ajustamento sazonal e prever o consumo em cada trimestre do ano 6 sabendo que naquele ano devem ser consumidas 1.500.000 toneladas ao todo. 4.2 – Técnicas de Previsão 4. Previsão de Demanda Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA 4.2 – Técnicas de Previsão 4. Previsão de Demanda • Definida a técnica de previsão e implantado o modelo, se faz necessário o acompanhamento e sua validação com base nos dados apresentados. • A monitorização é realizada por meio do cálculo e acompanhamento do erro da previsão. (Valor real da demanda – Valor previsto da demanda = Erro) • A manutenção e monitorização de um modelo torna-se confiável quando busca: • Verificar a acuracidade dos dados; • Identificar, isolar e corrigir as variações anormais; • Permitir a escolha de técnicas e parâmetros mais eficientes. Medida e Controle do Erro nas Previsões 5) MANUTENÇÃO e MONITORAÇÃO DO MODELO Material produzido por: Alexandre C. Paixão, 2011 - ® UNESA – UNIVERSIDADE ESTACIO DE SA 4.2 – Técnicas de Previsão 4. Previsão de Demanda MAD – Desvio Médio Absoluto • Y = Valor real da Demanda ou Demanda ocorrida no período); • D = Demanda prevista p/ o período; • n = Número de períodos. Uma das formas de acompanhar o desempenho do modelo, que avalia o comportamento do erro acumulado, que deve tender a zero. O erro acumulado deve ser comparado com um múltiplo do desvio médio absoluto, conhecido como MAD (Mean Absolute Desviation). Em geral, compara-se o valor do erro acumulado com o valor de 4 MAD. Quando ultrapassar esse valor (4MAD), o problema deve ser identificado e o modelo deve ser revisto. Slide 1 ALEXANDRE C. PAIXÃO Slide 3 Slide 4 Slide 5 Slide 6 Slide 7 Slide 8 Slide 9 Slide 10 Slide 11 Slide 12 Slide 13 Slide 14 Slide 15 Slide 16 Slide 17 Slide 18 Slide 19 Slide 20 Slide 21 Slide 22
Compartilhar