Aula Previsão 02 2017

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