Baixe o app para aproveitar ainda mais
Prévia do material em texto
Planejamento da demanda em uma cadeia de suprimentos Giovane Ferri Métodos analíticos e sistemas aplicados na SCM 1960 - MRP ( Material Requiremente Planning) 1980 - MRP II ( Manufacturing Resource Planning) e DRP (Distribuition Requirements Planning) Na atualidade, verifica-se o surgimento de sistemas de caráter analítico, ou seja, com capacidade de analisar dados e sugerir alternativas para tomada de decisão. Especificamente na SCM, tem sido desenvolvido nos últimos anos os Sistemas Avançados de Planejamento e Controle da Produção (APS - Advanced Planning and Scheduling). Métodos analíticos e sistemas aplicados na SCM Os sistemas APS podem ser vistos como uma camada que trabalha acima dos sistemas transacionais como os ERP, suportando principalmente os processos de tomada de decisão por meio do uso de algoritmos relativamente complexos. Em termos práticos, todo sistema APS precisa trabalhar com um ERP, ou seja, ele precisa receber os dados de um sistema transacional para poder trabalhar de forma analítica. O papel das previsões em uma cadeia de suprimentos A previsão de demanda é a base para todas as decisões estratégicas e de planejamento em uma cadeia de suprimentos Todos os processos pull ocorrem em resposta à demanda do cliente e todos os processos push são desempenhados em antecipação à demanda do cliente. Em ambos os casos, a primeira medida a ser tomada pelo gerente da cadeia de suprimentos é prever qual a demanda dos clientes no futuro. Ex: Dell computadores. Decisões por área funcional Produção: programação, controle de estoque, planejamento agregado. Marketing: alocação da força de vendas, promoções, lançamento de novos produtos. Finanças: investimento na fábrica e em equipamentos, planejamento orçamentário. Pessoal: planejamento de mão-de-obra, contratações, demissões. Planejamento da demanda A gestão da demanda na cadeia de suprimentos (Demand Chain Management - DCM) pode ser definida como o processo que gerencia e coordena a SC em seu sentido montante, desde o consumidor final até os fornecedores. Uma adequada DCM requer uma integração extensiva no fluxo de informações entre os elementos da cadeia, bem como resposta ao trade-off existente entre custos, abrangência, conteúdo e tempo de atualização das informações. Planejamento da demanda Com a expansão da internet todos esses trade-offs podem ser minimizados. Diversos autores advogam que a internet tende a resolver efetivamente os grandes trade-offs da DCM e a permitir a necessária integração entre os elementos de uma SC. Características das previsões Previsões podem conter erros. Devem incluir valores esperados e medidas de erro. Previsões de longo prazo são normalmente menos precisas que as de curto prazo: horizonte de previsão Previsões agregadas são normalmente mais precisas que informações menos acuradas. Modelos de previsão Antes de a empresa selecionar um modelo de previsão, deve estar bastante consciente sobre qual é o tempo de resposta de sua cadeia de suprimento porque é essa informação que determinará quando as previsões devem ser feitas. demanda passada; planejamento das campanhas publicitárias ou de marketing; localização em um catálogo; conjuntura econômica; planejamento de descontos nos preços; ações tomadas pelos concorrentes. Características da Demanda Demanda Pontual Demanda Regular (estável) Demanda Sazonal e com Tendências Demanda Independente ou Dependente – Previsão versus Cálculo de Necessidades Demanda de Produtos Perecíveis Demanda na Cadeia de Suprimentos – efeito chicote, fluxo de informações Tipos de Demanda Demanda dependente - é a demanda que é relativamente previsível devido a sua dependência de alguns fatores conhecidos. Ex: empresa que fornece pneus para fábrica de automóveis. Demanda independente - as decisões são tomadas sobre como suprirão a demanda sem qualquer visibilidade firme antecipada dos recursos que possam satisfazer a essa demanda. Exemplo: empresa que trabalha com serviço de troca de pneus. Distribuição da Demanda Geográfica (mercados regionais) Produtos (famílias / itens) Clientes (canais de distribuição) Temporal (tendências e sazonalidades) Influência do CVP Abordagem para previsão da demanda (Chopra & Meindl) 1. Compreender o objetivo da previsão 2. Integrar planejamento e previsão de demanda 3. Identificar os principais fatores que influenciam a previsão de demanda 4. Compreender e identificar os segmentos de consumidores 5. Determinar a técnica de previsão mais adequada 6. Estabelecer indicadores de desempenho e de erro para previsão Etapas de um modelo de previsão (Tubino) Objetivo do modelo Coleta e análise dos dados Seleção da técnica de previsão Obtenção das previsões Monitoramento do modelo Objetivo do Modelo 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 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 pelos produtos da empresa, que não é necessariamente igual as vendas passadas; – Variações extraordinárias da demanda devem ser analisadas e substituídas por valores médios, compatíveis com o comportamento normal da demanda; – O tamanho do período de consolidação dos dados tem influência direta na escolha da técnica de previsão mais adequada, assim como na análise das variações extraordinárias. Seleção da Técnica de Previsão Existem técnicas qualitativas e quantitativas. Alguns fatores para 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 necessitamos da previsão. Obtenção da Previsões e Monitoramento 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. Componentes da Demanda 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 variaçõesaleatórias que ocorrerão; – A acuracidade das previsões diminui com o aumento do período de tempo considerado; – 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. TÉCNICAS DE PREVISÃO QUE MÉTODO USAR? Técnicas de previsão Qualitativas Quantitativas Modelos de série temporal (projeção) ‒ Estático ‒ Adaptável Causal (correlação) Simulação (cenários) Técnicas de previsão Qualitativos – são essencialmente subjetivos; – apóiam -se no julgamento e na opinião de alguém para fazerem sua previsão; – são mais apropriados quando existem poucos dados históricos disponíveis ou quando os especialistas têm inteligência de marcado. – Pouco tempo para coleta de dados, introdução de novos produtos, cenário político/econômico instável – Questões estratégicas – em conjunto com modelos matemáticos e técnicas quantitativas Quantitativas – envolvem a análise numérica dos dados passados, isentando-se de opiniões pessoais ou palpites. Métodos Qualitativos Pesquisa de Mercado Painel de Consenso (Júri executivo de opiniões) – Executivos – Força de Vendas – Outros Técnica Delphi Análise de Cenários Pesquisa de Mercado Necessidades dos Clientes – nível atual de satisfação – introdução de novos produtos / serviços Coleta de Dados por Amostragem – questionários e/ou entrevistas Previsões de Médio e Longo Prazo – tendências do mercado Painel de Consenso 1. Escolha dos participantes do processo 2. Enviar questionários aos participantes para obter as previsões e explicações de cada um sobre a demanda 3. Análise dos resultados e redistribuir os questionários com comentários e novas questões pertinentes 4. Repetir o Passo 3, quantas vezes necessário 5. Síntese e discussão dos resultados obtidos em reunião com os participantes (conclusão do processo) Situações muito complexas Geralmente utilizado para o longo prazo Aplicado quando não há parâmetros que permitam uma previsão segura Análise de Cenários Determinação dos Cenários Três possíveis cenários: Cenário base: sem surpresas Cenário alternativo 1: otimista Cenário alternativo 2: pessimista Vantagens Estruturar e sistematizar o processo de projeções qualitativas Identificar as variáveis que impactam a demanda e seus impactos mútuos Estabelecer objetivos de longo prazo Identificar prioridade de ação Desvantagens Dependência dos resultados em função da escolha das variáveis Complexidade para se tratar muitas variáveis ao mesmo tempo Pequenas alterações nas variáveis podem causar grandes distorções nas previsões Características: anonimato, realimentação controlada das informações, quantificação das respostas (escala numérica), resposta estatística (pode não haver consenso) Processo: 1o. Passo – Coordenador elabora Questionário 2o. Passo - Grupo responde Questionário (escala numérica) 3o. Passo – Coordenador confere coerência das respostas, altera questões (se necessário), processa análise estatística, sistematiza os argumentos manifestados 4o. Passo – Grupo responde novo Questionário (com as informações da análise estatística e dos argumentos), respostas discrepantes com relação à Média devem ser justificados 5o.Passo – Coordenador verifica se não houve variações significativas (Fim - Relatório), caso contrário retornar ao Passo 2. Método Delphi Vantagens Ótimo método para lidar com aspectos inesperados de um problema Previsões com carência de dados históricos Não exige presença física Desvantagens Processo lento, média de 6 meses Dependência dos participantes Dificuldade de redigir o questionário Possibilidade de consenso forçado Técnicas de previsão Modelos de série temporal – utilizam modelos de demanda para fazer a previsão; – baseiam-se na suposição de que o histórico da antiga demanda é um bom indicador da demanda futura. – 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. – Uma curva temporal de previsão pode conter nível, tendência, sazonalidade. Técnicas de previsão Modelos de série temporal 0 10 20 30 40 50 60 Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez. D em an da Variação irregular Sazonalidade Tendência Variação randônica Componentes da demanda observada Demanda observada (O) = Componente sistemático (S) + componente aleatório (R) Nível (demanda atual desatualizada) Tendência (crescimento ou declínio na demanda) Sazonalidade (flutuação sazonal prevísivel) Componente sistemático (S) mede o valor esperado da demanda Componente aleatório (R) é o desvio da demanda esperada Um bom método de previsão tem um erro cuja dimensão é comparável ao componente aleatório (R) da demanda Modelos de previsão Os modelos de séries temporais dividem-se em duas categorias: Estático – As empresas fazem estimativas para diversas partes (nível, tendência, sazonalidade) do componente sistemático da demanda uma vez, e, posteriormente, não atualizam essas estimativas mesmo que percebam novas demandas. Adaptável – As empresas atualizam suas estimativas para diversas partes (nível, tendência, sazonalidade) do componente sistemático da demanda após ter feito a observação de cada demanda. Alguns modelos de previsão de Séries Temporais Média simples (MS) Média Móvel Simples (MMS) Média Móvel Dupla (MMD) Amortecimento (ou suavização) 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 Modelos de previsão Causal ou correlação – pressupõem que a previsão de demanda é amplamente correlacionada com alguns fatores conjecturais (ex, situação econômica ou taxa de juros). – 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”. Modelos de previsão β 2 0∑ ⇒ β Y = a + bXY X Modelos de previsão Simulação - Reproduzem as escolhas dos consumidores que geram a demanda, para chegar a uma previsão. Manutenção e Monitoramento do Modelo 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. Manutenção e Monitoramento do Modelo 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 médioabsoluto, 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 = −∑ α = 0,10 α = 0,50 Período Datual Dprevista Erro Dprevista 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 Erro =∑ 25,41 Erro =∑ 8,99 MAD = 31,61/9 = 3,51 MAD = 35,85/9 = 3,98 Manutenção e Monitorimento do Modelo • Para α = 0,10, temos que: 4 3 51 14 04 25 41⋅ = <, , , ; • Para α = 0,50, temos que: 4 3 98 15 92 8 99⋅ = >, , , . Além do erro, pode-se empregar como forma de monitoramento dos dados um gráfico de controle com limites inferior e superior correspondentes a 4 MAD Manutenção e Monitoramento do Modelo 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. Dados de variáveis que expliquem as vendas Dados históricos de vendas Informações que expliquem comportamento atípico Tratamento estatístico dos dados de vendas e outras variáveis Informações de concorrentes Informações de clientes Outras informações de mercado Decisões da área comercial REUNIÃO DE PREVISÃO Tratamento das informações disponíveis PR EV IS Ã O D E V EN D A S Informações da conjuntura econômica Outras informações de mercado Adaptado de Correa, Gianesi e Caon. Planejamento, Programação e Controle da Produção. Ed. Atlas-SP, 4ª edição, 2001. Material Extra 48 Resumo do Processo de Previsão de Demanda Análise Quantitativa Análise Qualitativa Informações Informações Previsão Balanço Usados em situações nebulosas ou quando dados inexistem ou longo prazo • Novos produtos • Novas tecnologias ¨Envolve intuição e experiência ¨previsão de vendas pela Internetprever vendas de TVs a cores Usados quando situação é estável e dados existem • Produtos existentes • Tecnologia corrente Envolve técnicas matemáticas Modelos temporais (projeção - futuro similar passado - duas categorias básicas: Estático e Adaptável) Modelos causais (explicação - pressupõe que a previsão é amplamente correlacionada com alguns fatores conjunturais) Simulação [utilizada principalmente com a combinação de modelos] Júri de opiniões de executivos Composto da força de vendas Método Delphi (consenso de especialistas) Pesquisa de mercado Árvore de decisão Adaptado de Correa, Gianesi e Caon. Planejamento, Programação e Controle da Produção. Ed. Atlas-SP, 4ª edição, 2001. 49 Resumo Previsão da Demanda Principais modelos de séries temporais Principais modelos Causais Outros modelos quantitativos de previsão Quais métodos devem ser utilizados em quais situações? a) Em casos de previsão de demanda de curto prazo é recomendado utilizar métodos de séries temporais; b) Em caso de previsão de demanda de médio prazo, é mais adequado utilizar modelos causais ou regressão múltipla; c) Em casos de previsão de longo prazo, modelos de predição são mais recomendados, tais como método Delphi ou análise de cenários No caso de demandas de curto prazo, o primeiro passo consiste em identificar visualmente o comportamento da demanda. 1. Se a demanda for estável, testar os métodos de média móvel, suavização exponencial e regressão linear e escolher o melhor método como sendo aquele que tiver menor DAM (Desvio absoluto médio) 2. Se a demanda tiver tendência, testar os métodos Holt e regressão linear e escolher o melhor método como sendo aquele que tiver menor DAM (Desvio Absoluto Médio). 3. Se a demanda for sazonal utilizar o método de decomposição e winter e escolher o melhor método como sendo aquele que tiver menor DAM (Desvio Absoluto Médio). Erros Freqüentes em Previsões Erro 1 das previsões: confundir previsões com metas é, um erro subseqüente, considerar as metas como se fossem previsões. Erro 2 das previsões: gastar tempo e esforço discutido se "acerta" ou "erra" nas previsões, quando o mais relevante é discutir "o quanto" se está errando e as formas de alterar processos envolvidos, de forma a reduzir estes "erros“. 54 Erros Freqüentes em Previsões (Cont.) Erro 3 das previsões: levar em conta, nas previsões que servirão a apoiar decisões em operações, um número só. Previsões, para operações, devem sempre ser consideradas com dois "números": a previsão em si é uma estimativa do erro desta previsão. Erro 4 das previsões: desistir ou não se esforçar o suficiente para melhorar os processos de previsão por não se conseguir "acertar" as previsões, quando, em operações, não se necessita ter previsões perfeitas, mas sim, previsões consistentemente melhores que as da concorrência. 55 Fator Impacto sobre os períodos de promoção Grande Volume de compras antecipadas Favorece promoções nos períodos de baixa demanda Grande Habilidade para roubar clientela. Favorece promoções nos períodos de pico de demanda Grande Habilidade para ampliar o mercado. Favorece promoções nos períodos de pico de demanda Margem Alta Favorece promoções nos períodos de pico de demanda Margem Baixa Favorece promoções nos períodos de baixa demanda Custos Altos de armazenagem. Favorece promoções nos períodos de baixa demanda Custos altos de alteração na capacidade. Favorece promoções nos períodos de baixa demanda Efeito Chicote O efeito chicote (bullwhip effect) foi identificado e formalizado por Forrester nos EUA há mais de quatro décadas quando estudava a questão de propagação de erros em sistemas dinâmicos e interdependentes. O efeito chicote diz respeito à amplificação da variância das informações da demanda à medida que elas se propagam no sentido montante da SC. O grande desafio atualmente colocado para a gestão da demanda na SC é eliminar ou minimizar, reduzindo as incertezas na DCM. Efeito Chicote Forrester (1958) atribuiu como causa principal desse efeito a “a lógica de decisão” (decision rationale) dos indivíduos responsáveis pela DCM, a qual têm uma tendência a exagerar no dimensionamento das ordens de compra e/ ou produção (over- respond) para atender uma determinada demanda recebida de um cliente e/ou mercado. Das publicações feitas há quatro décadas, a maioria tem-se preocupado mais em descrever e/ou modelar a natureza dos efeitos e modelar suas causas. Efeito Chicote Sterman(1989) categorizou várias causas da ampliação da demanda. Elas continham as percepções equivocadas de tempos de atraso (time lags) e a “cultura” existente nos setores da empresa. Uma constatação feita por este autor é que os jogadores do Beer game tendiam a atribuir a dinâmica que eles experimentavam no jogo, à demanda gerada pelo consumidor final na SC, quando de fato essa dinâmica era gerada internamente na SC, através de ações e decisões tomadas em cada um de seus componentes (jogadores). Efeito Chicote À medida que o jogo transcorre, uma pequenaalteração na demanda por parte do consumidor tende a se transformar em grandes alterações nas quantidades das ordens emitidas pelos quatro elos participantes, bem como num aumento significativo do nível dos estoques ao longo da SC. Muitas vezes os resultados obtidos no jogo levam a custos de produção dez vezes maiores do que os valores ótimos que poderiam ser obtidos. Efeito Chicote O efeito chicote tem quatro causas básicas que foram modeladas e discutidas matematicamente por Lee et al. (1997a; 1997b). São elas: 1. Atualização da demanda 2. Jogo do racionamento 3. Processamento de ordens 4. Variação de preços Efeito Chicote 1. Atualização da demanda A amplificação da demanda começa quando o varejista ajusta seus pedidos com base nos dados da demanda e ela se propaga a cada tomada de decisão no sentido montante da SC. Práticas como o VMI (Vendor Managed Inventory - estoque gerenciado pelo fornecedor) podem contribuir muito param inimizar os efeitos da amplificação da demanda. Efeito Chicote 2. Jogo do racionamento Quando a demanda excede sua oferta, os produtores geralmente racionam a oferta de seus produtos aos clientes, liberando aos clientes apenas uma quantidade proporcional à quantidade demandada. Sabendo do racionamento, os clientes costumam exagerar no pedido. Para minimizar este problema, a qualidade da informação e confiança depositada na sua causa são fundamentais. Efeito Chicote 3. Processamento de ordens Refere-se à amplificação da demanda causada pelas políticas de dimensionamento de ordens em cada elo da cadeia, em especial no uso do chamado lote econômico. Essa causa do efeito chicote tende a ser atenuada com o advento da lógica da produção puxada pelo just in time, a qual advoga que o lote econômico ideal é o unitário. Efeito Chicote 4. Variação de preços As flutuações de preços bem como as promoções de vendas acabam causando uma variação de preços ao longo da SC, o que influencia diretamente os processos de tomada de decisão na gestão da demanda da mesma. Novamente nesse caso, o conhecimento real da demanda no ponto de venda e os sistemas de reabastecimento contínuo tem-se mostrado um bom caminho a ser seguido. Efeito Chicote Taylor (2000) sugere quatro objetivos básicos na DCM: 1. Suavizar a demanda 2. Desenvolver sistemas com flexibilidade de resposta 3. Definir claramente o papel dos estoques 4. Reduzir o número de pessoas que influenciam a demanda 5. Métodos analíticos e sistemas aplicados na SCM PLANEJAMENTO AGREGADO É o processo pelo qual a empresa determina os níveis de capacidade, produção, subcontratação, estoque, esgotamento de estoque e até precificação, sobre um horizonte de tempo específico. O seu objetivo é atender a demanda de maneira a maximizar os lucros. O PLANEJAMENTO AGREGADO AUXILIA: Quantidade de produção a partir de carga horária normal, horas extras e horas de subcontratação Estoque mantido Quantidade de pedidos em atraso/esgotamento de estoque Mão-de-obra contratada/demitida Aumento/redução da capacidade da máquina Trade offs do Planejamento Agregado Capacidade Estoque Pedidos em atraso/vendas perdidas ESTRATÉGIAS PARA O PLANEJAMENTO AGREGADO Estratégia de acompanhamento – utilizando a capacidade como alavanca Estratégia de flexibilidade de tempo da mão de obra ou da capacidade – fazendo com que a utilização seja a alavanca Estratégia de nível – utilizando o estoque como alavanca Gerenciando o Suprimento A empresa pode gerenciar a oferta do produto controlando uma combinação dos seguintes fatores: * Capacidade de produção *Estoque O objetivo é maximizar o lucro, que em nossa discussão, é a diferença entre a receita gerada pelas vendas e o custo total associado à capacidade e ao estoque. Gerenciando a Capacidade Ao gerenciar a capacidade para atender a variabilidade previsível, as empresas utilizam uma combinação das seguintes medidas: Flexibilidade de tempo a partir da mão-de-obra; aqui a empresa utiliza-se da flexibilidade da mão-de-obra que se tem na empresa, adaptando os colaboradores de acordo com a demanda. Utilização de mão-de-obra sazonal, aqui se utiliza uma mão- de-obra temporária durante a alta temporada para aumentar a capacidade de atender a demanda. Subcontratação Aqui a empresa subcontrata a produção nos períodos de pico, de maneira que a produção interna mantenha-se nivelada e barata. Que é onde eu pego o serviço pra fazer, mas o passo para outra pessoa faz-la. Exemplo: a empresa me contrata para dar consultoria em Belo Horizonte, vejo que não é viável me deslocar ate lá então contrato uma outra empresa para executar a consultoria em meu nome. Utilização de instalações duplas - Dedicada E Flexível, Nesse tópico tenho duas instalações que uma me produz uma quantia certa por mês e a outra e flexível produzindo a partir da minha necessidade. Projetando flexibilidade de produto dentro do processo de produção, Nesse caso você torna sua linha de produção flexível, ou seja, não produzindo um produto só, mas o diversificando, exemplo disso é a linha de produção da MERCEDES BENS que tem uma linha que produz veículos pesados e leves em local só. Gerenciando Estoque. Utilização de componentes comuns para múltiplos produtos; A empresa projeta componentes comuns para múltiplos produtos, cada um com a demanda previsivelmente variável, mas com uma demanda total relativamente constante. Exemplo disso pode ser a utilização de um motor para a sua maquina de cortar grama e também para o removedor de neve. Destacando isso no estoque de acordo com a sua demanda, que no caso seria sazonal. Construção de estoques de alta demanda ou de produtos com demanda previsível; Quando a maioria dos produtos fabricados por uma empresa tem o mesmo período de pico de demanda, um exemplo bem claro é uma empresa que produz roupa de inverno que tem que manter seu estoque de acordo com a demanda, mas determinado uma quantia pré-estabelecida, e não produzindo antes no período de baixa temporada por se tratar de um produto que depende da demanda “MODA”. Planejamento da demanda em uma cadeia de suprimentos Slide Number 2 Métodos analíticos e sistemas aplicados na SCM Métodos analíticos e sistemas aplicados na SCM O papel das previsões em uma cadeia de suprimentos Decisões por área funcional Planejamento da demanda Planejamento da demanda Características das previsões Modelos de previsão Características da Demanda Tipos de Demanda Distribuição da Demanda Influência do CVP Abordagem para previsão da demanda (Chopra & Meindl) Etapas de um modelo de previsão (Tubino) Objetivo do Modelo Coleta e Análise dos Dados Seleção da Técnica de Previsão Obtenção da Previsões e Monitoramento Componentes da Demanda Técnicas de previsão TÉCNICAS DE PREVISÃO QUE MÉTODO USAR? Técnicas de previsão Técnicas de previsão Métodos Qualitativos Pesquisa de Mercado Painel de Consenso Slide Number 30 Determinação dos Cenários Vantagens Desvantagens Slide Number 34 Vantagens Técnicas de previsão Técnicas de previsão Componentes da demanda observada Modelos de previsão Alguns modelos de previsão de Séries Temporais Modelos de previsão Modelos de previsão Modelos de previsão Manutenção e Monitoramento do Modelo Manutenção e Monitoramento do Modelo Manutenção e Monitorimento do Modelo Manutenção e Monitoramento do Modelo Resumo do Processo �de Previsão de Demanda Resumo Previsão da Demanda Slide Number 50 Slide Number 51 Slide Number 52 Slide Number 53 Erros Freqüentes em Previsões Erros Freqüentes em Previsões (Cont.) Slide Number 56 Efeito Chicote Efeito ChicoteEfeito Chicote Efeito Chicote Efeito Chicote Efeito Chicote Efeito Chicote Efeito Chicote Efeito Chicote Efeito Chicote PLANEJAMENTO AGREGADO O PLANEJAMENTO AGREGADO AUXILIA: Trade offs do Planejamento Agregado ESTRATÉGIAS PARA O PLANEJAMENTO AGREGADO Gerenciando o Suprimento Gerenciando a Capacidade Slide Number 73 Slide Number 74 Gerenciando Estoque. Slide Number 76
Compartilhar