Baixe o app para aproveitar ainda mais
Prévia do material em texto
Aulas 02 e 03 Centro Universitário da Fundação Hermínio Ometto Engenharia de Produção Prof. Ms. Lucas Antonio Risso lucasrisso@fho.edu.br Araras, 12/19 de agosto de 2019. EGP064 Planejamento e Controle da Produção Prof. Ms. Lucas Antonio Risso Tópicos abordados na aula de hoje: Planejamento e Controle da Produção – Aulas 02 e 03 1. Importância da Gestão da Demanda 2. Métodos qualitativos e quantitativos para previsão de demanda Prof. Ms. Lucas Antonio Risso Exemplo real Planejamento e Controle da Produção – Aulas 02 e 03 Prof. Ms. Lucas Antonio Risso Pepsi promete refrigerante em dobro, mas falha com estoques Planejamento e Controle da Produção – Aulas 02 e 03 12/09/2011 - 11h31 Folha de São Paulo Atualizado às 12h33. A campanha "Pode ser Pepsi em Dobro", que prometia entregar ao consumidor mais uma unidade da bebida no momento da compra, virou motivo de reclamação de clientes insatisfeitos pela falta do refrigerante no último fim de semana. Os estoques duraram apenas algumas horas em algumas cidades do país. O Grupo Pão de Açúcar, com a assinatura conjunta da Pepsi, publicou anúncios em jornais e TV lamentando o problema. A promoção era válida para os últimos dias 10 e 11 . "Pode ser que você não tenha encontrado sua Pepsi no Pão de Açúcar. Comunicamos que devido ao grande sucesso da promoção 'Pode ser Pepsi em Dobro', nossos estoques dos produtos da linha Pepsi acabaram antes do esperado. Lamentamos o fato ocorrido e qualquer transtorno que tenhamos causado aos nossos clientes. Obrigado pela compreensão." Prof. Ms. Lucas Antonio Risso Planejamento e Controle da Produção – Aulas 02 e 03 Segundo o grupo varejista, foram solicitadas 60 carretas adicionais do produto à Ambev (responsável pela distribuição da bebida) ao ser contabilizado o impacto da promoção. No entanto, apenas um terço do volume foi entregue. Também foi acordado com a empresa de bebidas a substituição por outros refrigerantes da marca, mas ainda assim não foi possível atender à demanda gerada pela promoção. A campanha dizia que a promoção só seria válida enquanto durassem os estoques naqueles dias. Mas, apesar do aviso, os consumidores se sentiram lesados. No Twitter, @rogerioadmso reclamou: "PEPSI fez uma campanha publicitária vexatória nesse final de semana. Teve supermercados tendo que dar Coca no lugar da promoção da pepsi. kk." Já o usuário @nilothiago fez uma brincadeira com o nome da campanha. "Pode ser Coca?", completando "Pepsi deixando mais claro uma de suas fraquezas e de quebra mostrando as maiores forças do concorrente". Pela promoção, cada cliente podia comprar até 24 unidades. Faziam parte os refrigerantes Pepsi, Pepsi Light, Pepsi Twist ou Pepsi Twist Zero. As embalagens válidas eram de 237 ml, lata 350 ml, 600 ml, 1 litro, 1,5 litro, 2 litros, 2,25 litros, 2,5 litros e 3,3 litros. Procurada, a Pepsi ainda não se pronunciou. Prof. Ms. Lucas Antonio Risso O que é previsão? Planejamento e Controle da Produção – Aulas 02 e 03 Previsão é a arte de especificar informações significativas sobre o futuro. A previsão deve estar associada a um conjunto de métodos e ao conhecimento do previsor sobre o mercado, havendo portanto uma distância com práticas de adivinhação. Prof. Ms. Lucas Antonio Risso Previsão de Demanda Planejamento e Controle da Produção – Aulas 02 e 03 • As atividades logísticas de planejamento e controle exigem estimativas acuradas dos volumes de produtos e de serviços a serem manipulados pela cadeia de suprimentos; • Essas estimativas são feitas tipicamente na forma de previsão; • Prever níveis de demanda é vital à empresa como um todo, porque fornece as entradas básicas para planejamento e controle de todas as áreas funcionais, incluindo a logística, o marketing, a produção e as finanças; Prof. Ms. Lucas Antonio Risso Técnicas de Previsão do Consumo Planejamento e Controle da Produção – Aulas 02 e 03 • Projeção Admitem que o futuro será repetição do passado ou as vendas evoluirão no tempo, segundo a mesma lei observada no passado; • Explicação Explica as vendas do passado mediante leis que relacionem as mesmas com outras variáveis cuja evolução é conhecida ou previsível. Aplicam técnicas de regressão e correlação; • Predição Colaboradores experientes e conhecedores de fatores influentes nas vendas e no mercado estabelecem a evolução das vendas futuras. Prof. Ms. Lucas Antonio Risso Erros frequentes em previsões Planejamento e Controle da Produção – Aulas 02 e 03 #1 Confundir previsões com metas e, um erro subseqüente, considerar as metas como se fossem previsões. #2 Gastar tempo e esforço discutindo se "acertos" ou "erros" nas previsões, quando o mais relevante é discutir "o quanto" se está errando e as formas de alterar os processos envolvidos, de forma a reduzir estes "erros". Prof. Ms. Lucas Antonio Risso Erros frequentes em previsões Planejamento e Controle da Produção – Aulas 02 e 03 #3 Levar em conta um número só nas previsões que servirão a apoiar decisões em operações. Devem sempre ser considerados dois "números": • a previsão em si, e • uma estimativa do erro desta previsão. #4 Abrir mão de melhorar os processos de previsão por não se conseguir "acertar", quando, em operações, não se necessita ter previsões perfeitas, porém melhores que as da concorrência. Prof. Ms. Lucas Antonio Risso Áreas da Gestão da Demanda Planejamento e Controle da Produção – Aulas 02 e 03 • Previsão de Vendas; • Influência sobre a demanda; • Comunicação com o mercado; • Estabelecimento de prazos de entrega; • Priorização de pedidos x alocação de recursos; Prof. Ms. Lucas Antonio Risso Diferentes previsões para os estoques Planejamento e Controle da Produção – Aulas 02 e 03 Quantitativa • Evolução das vendas passadas; • Variáveis cuja evolução e explicação estão ligadas diretamente as vendas; • Variáveis públicas (populações, renda, PIB). Qualitativas • Opinião dos gerentes; • Opinião dos vendedores; • Opinião dos compradores; • Pesquisas de mercado. Prof. Ms. Lucas Antonio Risso Identificação de demanda Planejamento e Controle da Produção – Aulas 02 e 03 Toda demanda representa uma necessidade a ser atendida a) relação direta Empresa Mercado demanda Empresa D is tr ib u id o r Mercado b) Distribuidor centraliza a operação Prof. Ms. Lucas Antonio Risso Estágios em que a empresa necessita fazer previsões de demanda? Planejamento e Controle da Produção – Aulas 02 e 03 • produtos acabados (pedidos postos); • previsão de compras (antecipação); Porém... Muitas vezes o cliente não sabe exatamente dizer exatamente O quê e Quanto comprar com antecedência. Ponto chave: lead time Prof. Ms. Lucas Antonio Risso Evolução do consumo Planejamento e Controle da Produção – Aulas 02 e 03 Modelos • Evolução horizontal; • Evolução sujeito a tendência; • Evolução sazonal; • Combinações dos modelos de evolução. Fatores que alteram os índices de consumo • Influências políticas; • Influências conjunturais; • Influências sazonais; • Alterações no perfil do cliente; • Inovações técnicas; • Retiradas da linha de produção (obsoletos); • Alteração da produção; • Preços competitivos dos concorrentes. Prof. Ms. Lucas Antonio Risso Plataformas de produtos – Estrutura modular Planejamento e Controle da Produção – Aulas 02 e 03 • Máximo compartilhamento de sistemas; • Máxima variação funcional; • Otimização do ciclo de vida do(s) produto(s); Prof. Ms. Lucas Antonio Risso Aspectos importantes Planejamento e Controle da Produção – Aulas 02 e 03 • Identificar e integrar parceiros; • Rever o papel daprevisão nos planos estratégicos e operacionais; • Papel da TI na integração entre parceiros; • Estratégias de compartilhamento de custos de imprecisão de previsões; • Escolha de técnicas de previsão e de métricas para monitorar o processo de previsão; Prof. Ms. Lucas Antonio Risso Efeito da agregação dos dados Planejamento e Controle da Produção – Aulas 02 e 03 Sanduíche Previsão para o mês passado (feita há um ano e meio) Quarteirão com queijo 2500 Big Mac 6000 Hamburger 4500 Cheeseburger 3000 Filé de peixe 1200 MacChicken 1800 Total 18.000 Prof. Ms. Lucas Antonio Risso Efeito da agregação dos dados Planejamento e Controle da Produção – Aulas 02 e 03 Sanduíche Vendas efetivas no mês passado na loja analisada % erro da previsão Quarteirão com queijo 1930 22,8% Média dos Big Mac 7269 21,5% erros das Hamburger 4980 10,6% previsões por Cheeseburger 2730 9,0% Sanduíche Filé de peixe 1429 19,0% 20,8% MacChicken 1050 41,6% Total 18.443 2,4% Prof. Ms. Lucas Antonio Risso Fundamentos da Previsão de Demanda Planejamento e Controle da Produção – Aulas 02 e 03 • Previsões agregadas são mais precisas do que as previsões elaboradas para itens individuais. • A exatidão das previsões diminui com o aumento do horizonte de planejamento. • Um bom sistema de previsão é aquele que reage a variações verdadeiras e ignora variações aleatórias. Prof. Ms. Lucas Antonio Risso Fundamentos da Previsão de Demanda Planejamento e Controle da Produção – Aulas 02 e 03 • O horizonte de planejamento da previsão deve ser no mínimo igual ao tempo necessário para implementar as mudanças sugeridas pela previsão. • É necessário ter confiança na previsão realizada. • O processo de previsão é de responsabilidade conjunta das funções MARKETING, VENDAS E PRODUÇÃO. Prof. Ms. Lucas Antonio Risso Projeções Planejamento e Controle da Produção – Aulas 02 e 03 tempo futuropassado Vendas reais do passado Tendência identificada no passado e projetada no futuro Ciclicidade identificada no passado e projetada no futuro X X X Previsões de curto prazo feitas com base nas projeções Demanda Faixa de erro identificada no passado e projetada para o futuro Prof. Ms. Lucas Antonio Risso Previsões para diferentes estratégias de produção Planejamento e Controle da Produção – Aulas 02 e 03 Tipos de Processo Produção para Estoque (MTS) requer previsão do produto final; Montagem por encomenda (ATO) requer previsão dos componentes que compõem o produtos final Produção sob encomenda (MTO) requer visibilidade da capacidade de produção disponível. Isto implica prever itens de produção com lead time alto. Prof. Ms. Lucas Antonio Risso Relação custo-benefício das previsões Planejamento e Controle da Produção – Aulas 02 e 03 Custo Esforço de previsãoótimo Custo total Custo de previsão Perdas devido incertezas na tomada de decisão Sim Prof. Ms. Lucas Antonio Risso Processo de decisão Planejamento e Controle da Produção – Aulas 02 e 03 Análise do histórico do consumo Coleta do histórico do consumo Avaliação do modelo geração de previsão Formulação do modelo Outros fatores informações diversas Confirma previsão? Confirma modelo? Manter a previsão inicial Corrigir a previsão Sim Não Compara previsto com o realizado Não Prof. Ms. Lucas Antonio Risso Técnicas de previsão Planejamento e Controle da Produção – Aulas 02 e 03 Técnicas de previsão Quantitativas Qualitativas Intrínsecas Extrínsecas Método Delphi Juri de executivos Força de vendas Pesquisa de mercado Médias móveis Suavizamento exponencial Projeção de tendências Decomposição Regressão simples Regressão múltipla Analogia histórica Prof. Ms. Lucas Antonio Risso Métodos qualitativos Planejamento e Controle da Produção – Aulas 02 e 03 São métodos não analíticos baseados em julgamento, intuição, entrevista, etc., usados para criar cenários futuros. Exemplo: demanda por um produto a ser lançado no Mercado • Considerações: Muitas vezes há dados, mas são irrelevantes Há necessidade de familiaridade com mercado (setores em contato com o cliente) Prof. Ms. Lucas Antonio Risso Para a criação de cenários... Planejamento e Controle da Produção – Aulas 02 e 03 1) Foco no cliente Ex.: Entregas futuras no prazo e descontos. Fornecedores confiáveis 2) Foco no tipo de produção Ex.: Em produção sob encomenda, estimativas de demanda são menos aleatórias do que em produção para estoque. 3) Foco no Mercado: Há fatores que possam gerar perda de valor ao produto? Ex.: novas legislações ambientais, novas regras internacionais Prof. Ms. Lucas Antonio Risso Técnicas qualitativas Planejamento e Controle da Produção – Aulas 02 e 03 O que é ? Aplicação Precisão Custo Delphi Predição de um evento via consenso de grupo. Longo prazo Razoável a Bom Médio Pesquisa de Mercado Teste de hipóteses acerca do mercado. Longo prazo Bom Alto Analogia de Histórico Comparações de padrões entre o novo e o passado Médio/longo prazo Razoável Baixo/ Médio Painel de Consenso Vários especialistas buscando consenso Médio/longo prazo Bom Visionário Cenário criado apartir da visão de um “expert” Médio/longo prazo ------ Longo Prof. Ms. Lucas Antonio Risso Método Delphi Planejamento e Controle da Produção – Aulas 02 e 03 •Consenso de grupo (Questionário) –3 Grupos de trabalho: • Decisores/facilitadores: 5/10 participantes (Relatórios) • Especialistas: desenvolvem os questionários • Entrevistados: respondem questionários (distribuídos geograficamente) Prof. Ms. Lucas Antonio Risso Métodos quantitativos Planejamento e Controle da Produção – Aulas 02 e 03 • Características básicas: • São as mais usadas ferramentas de apoio a decisão • Usam informações provenientes de Histórico • Contemplam padrões de comportamento do fenômeno: – Tendências – Sazonalidade – Variações Aleatórias – Variações cíclicas Prof. Ms. Lucas Antonio Risso Seleção e utilização de métodos quantitativos Planejamento e Controle da Produção – Aulas 02 e 03 • Selecione várias técnicas quantitativas • Faça previsões do passado • Avalie as previsões • Selecione o melhor método (índice de desempenho) • Faça previsões do futuro • Monitore continuamente a precisão das previsões. Prof. Ms. Lucas Antonio Risso Planejamento e Controle da Produção – Aulas 02 e 03 Previsões Quantitativas Modelos de Série Temporais Modelos Causais Média móvel Suavização Exponencial Box-Jenkins (SARIMA) Regressão linear/múltipla Seleção e utilização de métodos quantitativos Prof. Ms. Lucas Antonio Risso Vantagens de cada método Planejamento e Controle da Produção – Aulas 02 e 03 (a) Regressão Linear relação de dependência entre duas variáveis de decisão (b) Técnicas baseados na Média filtram o ruído criado por incertezas (c) Suavização Exponencial ajuda a revelar tendências nos dados (competição de mercado) (d) Box & Jenkins ajuda a identificar tendências e sazonalidades existentes. Prof. Ms. Lucas Antonio Risso Métodos causais Planejamento e Controle da Produção – Aulas 02 e 03 Ideia: a previsão de uma variável é derivada a partir da interpretação de outras variáveis relacionadas (causa-efeito) • O nível de serviço ao cliente favorece níveis de vendas. • A demanda por veículoseconômicos aumenta com aumento do preço dos combustíveis. • Há aumento da oferta de transportes públicos a medida que o trânsito da cidade congestiona Outros exemplos??? Prof. Ms. Lucas Antonio Risso Métodos causais Planejamento e Controle da Produção – Aulas 02 e 03 • Relação causa-efeito permite antecipar mudanças significativas na série-temporal. • Aplicabilidade: médio e longo-prazo Estatísticos: modelos de regressão, econométricos Descritivos: entrada/saída, simulação • Dificuldades – encontrar variáveis causais confiáveis ou que tenham relações óbvias com a variável de previsão – envolver na relação a componente tempo Prof. Ms. Lucas Antonio Risso Procedimento inicial Planejamento e Controle da Produção – Aulas 02 e 03 Passo 1. Identifique qual a relação entre as variáveis em questão. Passo 2. Formule a equação: Qual é a variável dependente ? (observe o que deve ser previsto) Qual é a variável independente ? Prof. Ms. Lucas Antonio Risso Definição dos termos Planejamento e Controle da Produção – Aulas 02 e 03 • Variáveis Dependentes (Y) Independentes (X) • Diagrama de Dispersão Gráfico X vs. Y • Análise Regressiva Melhor ajuste matemático • Análise de Correlação: Mede intensidade da relação entre X e Y Prof. Ms. Lucas Antonio Risso Tipos de relações lineares Planejamento e Controle da Produção – Aulas 02 e 03 • DIRETA: X e Y crescem juntas • INVERSA: X e Y tem direções opostas vendas atrasos vendas marketing Prof. Ms. Lucas Antonio Risso Outras possíveis relações Planejamento e Controle da Produção – Aulas 02 e 03 Curvilíneo negativo Curvilíneo positivo Curvilíneo em U Nenhum Prof. Ms. Lucas Antonio Risso Modelo linear y = ax + b Planejamento e Controle da Produção – Aulas 02 e 03 Y X b = inclinação a Mudança em Y Mudança em X Prof. Ms. Lucas Antonio Risso Planejamento e Controle da Produção – Aulas 02 e 03 dt=α+bxProcedimento Prof. Ms. Lucas Antonio Risso Exemplo Planejamento e Controle da Produção – Aulas 02 e 03 Uma empresa produtora de veículos deseja determinar a equação que se adequa ao perfil da sua demanda. As variáveis levadas em consideração são a taxa de juros e a demanda dos últimos 24 meses. Determine a equação corresponde aos dados da tabela a seguir. Prof. Ms. Lucas Antonio Risso Exemplo Planejamento e Controle da Produção – Aulas 02 e 03 Período da taxa de juros avaliada Taxa de juros Demanda de automóveis 1 1,65 3400 2 1,58 3520 3 1,52 3600 4 1,52 3800 5 1,41 3930 6 1,38 4000 7 1,38 4050 8 1,3 4120 9 1,3 4200 10 1,22 4270 11 1,18 4400 12 1,18 4510 13 1,15 4590 14 1,1 4690 15 1,1 4800 16 1 4940 17 1 5080 18 0,95 5170 19 0,9 5310 20 0,9 5470 21 0,84 5640 22 0,8 5800 23 0,75 5920 24 0,75 6030 t xt dt xt² dt² xt.dt 1 1,65 3400 2,7225 11560000 5610 2 1,58 3520 2,4964 12390400 5561,6 3 1,52 3600 2,3104 12960000 5472 4 1,52 3800 2,3104 14440000 5776 5 1,41 3930 1,9881 15444900 5541,3 6 1,38 4000 1,9044 16000000 5520 7 1,38 4050 1,9044 16402500 5589 8 1,3 4120 1,69 16974400 5356 9 1,3 4200 1,69 17640000 5460 10 1,22 4270 1,4884 18232900 5209,4 11 1,18 4400 1,3924 19360000 5192 12 1,18 4510 1,3924 20340100 5321,8 13 1,15 4590 1,3225 21068100 5278,5 14 1,1 4690 1,21 21996100 5159 15 1,1 4800 1,21 23040000 5280 16 1 4940 1 24403600 4940 17 1 5080 1 25806400 5080 18 0,95 5170 0,9025 26728900 4911,5 19 0,9 5310 0,81 28196100 4779 20 0,9 5470 0,81 29920900 4923 21 0,84 5640 0,7056 31809600 4737,6 22 0,8 5800 0,64 33640000 4640 23 0,75 5920 0,5625 35046400 4440 24 0,75 6030 0,5625 36360900 4522,5 Soma 27,86 111240 34,0254 529762200 124300,2 Prof. Ms. Lucas Antonio Risso Exemplo Planejamento e Controle da Produção – Aulas 02 e 03 dt=7.963,9 – 2.867,71Xt y = -2867,7x + 7963,9 0 1000 2000 3000 4000 5000 6000 7000 0 0,5 1 1,5 2 Prof. Ms. Lucas Antonio Risso Exercício Planejamento e Controle da Produção – Aulas 02 e 03 Fazer a previsão de demanda para o mês 9 considerando um preço de venda de 8 reais. Mês Preço Quantidade 1 10 25 2 12 22 3 14 20 4 15 20 5 17 15 6 18 14 7 18 12 8 20 10 Prof. Ms. Lucas Antonio Risso Resumo Planejamento e Controle da Produção – Aulas 02 e 03 Yi = a + b · Xi onde Y=efeito, X=causa e (a, b) estimados Aplicação: curto - médio prazo Precisão: Boa Custo relativo: médio Prof. Ms. Lucas Antonio Risso Exemplo prático Planejamento e Controle da Produção – Aulas 02 e 03 O coeficiente de correlação r explica a importância relativa da relação entre y e x, o sinal de r mostra a direção da relação, e o valor absoluto de r mostra a força da relação. O r pode assumir valor entre –1 e +1. Coeficiente de determinação r2 ilustra quanto da variação na variável dependente y é explicada por x ou pela linha de tendências. r = (n. xy −x .y)/ ( [n.x2 – (x)2]. [ny2 –(y)²]) Prof. Ms. Lucas Antonio Risso Escala de correlação Planejamento e Controle da Produção – Aulas 02 e 03 R Correlação 0 a 0,2 Muito baixa 0,2 a 0,4 Baixa 0,4 a 0,6 Média 0,6 a 0,8 Alta 0,8 a 1,0 Muito alta Prof. Ms. Lucas Antonio Risso Interpretação Planejamento e Controle da Produção – Aulas 02 e 03 • Coeficientes de análise da reta: ✓ Correlação (r) ✓ Mede a força de relação entre as variáveis. ✓ Varia de +1 a -1. ✓ Mais próximo de +1 mais forte é a correlação positiva entre as variáveis. ✓ Determinação (r²) ✓ Mede o grau de qualidade que a reta obtida se ajusta aos dados. ✓ Varia de 0 a 1. ✓ Valores de r² iguais ou maiores de 0,85 indicam uma boa previsão. Variações irregulares ou aleatórias: São coisas tais como “atos de Deus” e tudo quanto reste fora das classificações das três anteriores. Exemplo: greves. São contingenciais Prof. Ms. Lucas Antonio Risso Séries temporais Planejamento e Controle da Produção – Aulas 02 e 03 Procure verificar a existência dos quatro padrões básicos, a fim de analisar cada componente separadamente. Tendência: descreve um movimento suave dos dados, a longo prazo, para cima e para baixo. Exemplo: variações da população. Vários anos de duração Variações cíclicas: Existe um padrão cíclico quando as variações apresentam certo grau de regularidade. Exemplo: Preços de ações podem também variar em torno da regularidade, uns apresentando-se muitos regulares ou mais erráticos. Usualmente o ciclo é de 2 a 10 anos Variações sazonais ou estacionais: São variações cíclicas a prazo relativamente curto (um ano ou menos), em geral relacionadas com a variação da época (tempo) ou feriado. Exemplo: Vendas no segmento de vestuário (estações do ano), livros didáticos, cartões de felicitações. Ocorre ao Longo do ano (12 meses) vendas anos Crises na Economia 1999 2000 2001 meses Prof. Ms. Lucas Antonio Risso Definições Planejamento e Controle da Produção – Aulas 02 e 03 Uma série temporal é um conjunto de observações xt, sendo cada uma registrada em um tempo especifico t. Brockwell, Peter J and Davis, Richard A.. Time series: Theory and methods. New York: Springer- Verlag, 1999 Uma série temporal são dados históricos, representando um determinada atividade, que foram coletados durante um período de tempo definido. Derek, L. Walker. Operations Management: A Supply Chain Approach. Publisched Internactional Thomson Business Press, 1998 Uma série temporal é um conjunto cronológico (ordenado no tempo) de observações. Stevenson, William J. Estatistica aplicada à administração.São Paulo: Harper & How do Brasil, 1981 Prof. Ms. Lucas Antonio Risso Definições Planejamento e Controle da Produção – Aulas 02 e 03 • Séries Temporais: ➢Dados sobre eventos temporais ➢Relevância da ordem ➢Uma ou mais variáveis a “evoluir” ao longo de um período de tempo Yt-k, Yt-k+1, Yt-k+2, ..., Yt-2, Yt-1, Yt • Análise das séries temporais: ➢Objetivos principais Previsão de evolução da série Compreensão do modelo que descreve o comportamento do sistema Prof. Ms. Lucas Antonio Risso Abordagem dos modelos clássicos Planejamento e Controle da Produção – Aulas 02 e 03 •Há duas noções básicas na abordagem do modelo clássico • Linearidade O modelo que rege o comportamento da série é uma função linear dos valores anteriores da série. • Estacionaridade As equações que regem esse comportamento não variam com o tempo. Não existe uma mudança sistemática do valor médio da série (não há tendências). Não há uma mudança sistemática da variância da série Todas as variações periódicas foram removidas (sazonalidade). Prof. Ms. Lucas Antonio Risso Aplicações de séries temporais Planejamento e Controle da Produção – Aulas 02 e 03 • Simular uma cadeia de suprimento; • Controlar e monitorar movimento de estoque; • Analisar e simular situações financeiras; • Gerenciamento de inventário; • Planejamento de produção; • Planejamento financeiro; • Planejamento de pessoal; • Planejamento de utilidades; • Controle de processo; Prof. Ms. Lucas Antonio Risso Séries temporais para previsões Planejamento e Controle da Produção – Aulas 02 e 03 Modelos Simples Modelos Complexo s Média Móvel MA(k) Média Móvel Exponenciais MME(Yt) Modelos Auto- regressivos AR(M) ARMA (p,q) ARIMA (p,d,q) SimNão Há sazonalidade ? Prof. Ms. Lucas Antonio Risso Modelos de previsão Planejamento e Controle da Produção – Aulas 02 e 03 Média Móvel Simples Empregado para estimar a média de uma série temporal da demanda. É de grande utilidade quando a demanda não possui influências sazonais ou de tendências acentuadas. Ft = Soma das últimas n demandas n Média Móvel Ponderada Modelo semelhante ao modelo de média móvel simples, difere ao atribuir para cada demanda histórico, seu próprio peso, para determinação da média. Suavização Exponencial Método mais frequentemente utilizado, por causa de sua simplicidade e do pequeno número de dados necessários para apoiá-lo. Ft+1 = .(demanda desse período) + (1 - ).(previsão calculada no último período) Ft+1 = .Dt + (1 - ) . Ft Prof. Ms. Lucas Antonio Risso Modelos de previsão Planejamento e Controle da Produção – Aulas 02 e 03 1. = é a chamada constante de suavizamento, que é um número entre 0 e 1, e dá a influência percentual da demanda real do último período na previsão do próximo período. 2. Quando = 0,1, por exemplo, a tendência é de que a previsão seja bastante suavizada, ou seja, os efeitos das variações aleatórias ficam atenuados na geração das previsões. Já quando se utiliza = 0,8, a previsão fica mais “nervosa”, com menos atenuação dos efeitos das aleatoriedades. Isso ocorre porque quanto maiores os valores atribuídos a constante de suavizamento, maior é o peso do último valor da venda real na geração das previsões. 3. Em situações práticas, os valores da constante situam-se na faixa de 0,05 a 0,35. Prof. Ms. Lucas Antonio Risso Médias móveis Planejamento e Controle da Produção – Aulas 02 e 03 Vendas reais Média móvel de 3 períodos de copos MM3 Janeiro 154 Fevereiro 114 Março 165 Abril 152 (154 + 114 + 165) / 3 = 144,3 Maio 176 (114 + 165 + 152) / 3 = 143,7 Junho 134 (165 + 152 + 176) / 3 = 164,3 Julho 123 (152 + 176 + 134) / 3 = 154,0 Agosto 154 (176 + 134 + 123) / 3 = 144,3 Setembro 134 (134 + 123 + 154) / 3 = 137,0 Outubro 156 (123 + 154 + 134) / 3 = 137,0 Novembro 123 (154 + 134 + 156) / 3 = 148,0 Dezembro 145 (134 + 156 + 123) / 3 = 137,7 Prof. Ms. Lucas Antonio Risso Média móvel ponderada Planejamento e Controle da Produção – Aulas 02 e 03 Vendas reais Média móvel de 3 períodos de copos ponderada com pesos 3, 2 e 1 Janeiro 154 Fevereiro 114 Março 165 Abril 152 [(1*154) + (2*114) + (3*165)] / 6 = 146,2 Maio 176 [(1*114) + (2*165) + (3*152)] / 6 = 150,0 Junho 134 [(1*165) + (2*152) + (3*176)] / 6 = 166,2 Julho 123 [(1*152) + (2*176) + (3*134)] / 6 = 151,0 Agosto 154 [(1*176) + (2*134) + (3*123)] / 6 = 135,5 Setembro 134 [(1*134) + (2*123) + (3*154)] / 6 = 140,3 Outubro 156 [(1*123) + (2*154) + (3*134)] / 6 = 138,8 Novembro 123 [(1*154) + (2*134) + (3*156)] / 6 = 148,3 Dezembro 145 [(1*134) + (2*156) + (3*123)] / 6 = 135,8 Prof. Ms. Lucas Antonio Risso Suavizamento exponencial Planejamento e Controle da Produção – Aulas 02 e 03 Vendas reais Suavizamento exponencial com alfa Suavizamento exponencial de copos 0,1 0,8 última previsão (feita em dezembro) Janeiro 154 150 150 Fevereiro 114 [(0,1)*(154) + (1 - 0,1)*(150)] = 150,4 153,2 Março 165 [(0,1)*(114) + (1 - 0,1)*(150,4)] = 146,8 121,8 Abril 152 [(0,1)*(165) + (1 - 0,1)*(146,8)] = 148,6 156,4 Maio 176 [(0,1)*(152) + (1 - 0,1)*(148,6)] = 148,9 152,9 Junho 134 [(0,1)*(176) + (1 - 0,1)*(148,9)] = 151,6 171,4 Julho 123 [(0,1)*(134) + (1 - 0,1)*(151,6)] = 149,9 141,5 Agosto 154 [(0,1)*(123) + (1 - 0,1)*(149,9)] = 147,2 126,7 Setembro 134 [(0,1)*(154) + (1 - 0,1)*(147,2)] = 147,9 148,5 Outubro 156 [(0,1)*(134) + (1 - 0,1)*(147,9)] = 146,5 136,9 Novembro 123 [(0,1)*(156) + (1 - 0,1)*(146,5)] = 147,4 152,2 Dezembro 145 [(0,1)*(123) + (1 - 0,1)*(147,4)] = 145,0 128,8 Prof. Ms. Lucas Antonio Risso Acompanhamento da magnitude dos erros Planejamento e Controle da Produção – Aulas 02 e 03 Previsão Previsão Desvio Desvio Desvio Desvio Suav. Expon Suav. Expon absoluto absoluto quadrático quadrático Vendas reais Alfa = 0,1 Alfa = 0,8 Alfa = 0,1 Alfa = 0,8 Alfa = 0,1 Alfa = 0,8 Janeiro 154 150,0 150,0 4,0 4,0 16,0 16,0 Fevereiro 114 150,4 153,2 36,4 39,2 1325,0 1536,6 Março 165 146,8 121,8 18,2 43,2 332,7 1862,8 Abril 152 148,6 156,4 3,4 4,4 11,7 19,1 Maio 176 148,9 152,9 27,1 23,1 733,0 534,8 Junho 134 151,6 171,4 17,6 37,4 310,9 1396,9 Julho 123 149,9 141,5 26,9 18,5 722,0 341,3 Agosto 154 147,2 126,7 6,8 27,3 46,5 745,6 Setembro 134 147,9 148,5 13,9 14,5 192,2 211,4 Outubro 156 146,5 136,9 9,5 19,1 90,7 364,5 Novembro 123 147,4 152,2 24,4 29,2 596,8 851,6 Dezembro 145 145,0 128,8 0,0 16,2 0,0 261,3 Desvios médios 15,69 23,00 364,79 678,48 Prof. Ms. Lucas Antonio Risso Previsões com viés Planejamento e Controle da Produção – Aulas 02 e 03 • Previsões enviesadas geram erros não distribuídos de forma simétrica; • Previsões sistematicamente otimistas ou pessimistas; • O acompanhamento do viés pode indicar uma mudança no método de previsão; Tracking: Desvio acumulado/Desvio absoluto médio. Jan Fev Mar Abr Maio Jun 1 Previsão 1000 1200 1000 900 1100 1200 2 Vendas 900 1350 950 1000 1250 1300 3 Desvio 100 -150 50 -100 -150 -100 4 Desvio acumulado 100 -50 0 -100 -250 -350 5 Desvio absoluto 100 150 50 100 150 100 6 Desvio absoluto acumulado 100 250 300 400 550 650 7 Desvio absoluto médio 100 125 100 100 110 108 8 Tracking Signal (TS) 1,0 -0,4 0,0 -1,0 -2,3 -3,2 Prof. Ms. Lucas Antonio Risso Padrão sazonal Planejamento e Controle da Produção – Aulas 02 e 03 Alterações repetitivas para cima e para baixo nas medidas da demanda em intervalos inferiores a um ano. Os intervalos de tempo são denominados período sazonal. Prof. Ms. Lucas Antonio Risso Exemplo – Padrão sazonal Planejamento e Controle da Produção – Aulas 02 e 03 Um produtoque tem uma base sazonal de demanda para cada trimestre apresentou nos últimos três anos os resultados mostrados na tabela abaixo. Não há tendência, mas observa-se uma sazonalidade definida. A demanda média para o trimestre é de 100 unidades. A tabela abaixo também mostra um gráfico de demanda sazonal real e da demanda média por trimestre. A demanda média mostrada é a média histórica para todos os períodos. Pede- se a previsão de vendas trimestrais sabendo-se que a demanda anual para o próximo ano é de 420 unidades Prof. Ms. Lucas Antonio Risso Exemplo prático – Padrão sazonal Planejamento e Controle da Produção – Aulas 02 e 03 Ano 1o trimestre 2o trimestre 3o trimestre 4o trimestre total 1 122 108 81 90 401 2 130 100 73 96 399 3 132 98 71 99 400 Média 128 102 75 95 400 Demanda média 100 100 100 100 400 Fator Sazonal 1,28 1,02 0,75 0,95 1 Previsão média 105 105 105 105 420 Previsão Sazonal 134,4 107,1 78,75 99,75 420 Prof. Ms. Lucas Antonio Risso USO DE MÉTODOS QUANTITATIVOS COM A PRESENÇA DE TENDÊNCIA E CICLICIDADE Planejamento e Controle da Produção – Aulas 02 e 03 Vendas 2001 Vendas 2002 Vendas 2003 Janeiro 112 146 199 Fevereiro 146 113 175 Março 122 92 88 Abril 125 160 112 Maio 127 188 149 Junho 157 190 140 Julho 150 168 154 Agosto 235 235 275 Setembro 60 122 90 Outubro 92 97 120 Novembro 206 186 226 Dezembro 312 354 360 Prof. Ms. Lucas Antonio Risso USO DE MÉTODOS QUANTITATIVOS COM A PRESENÇA DE TENDÊNCIA E CICLICIDADE Planejamento e Controle da Produção – Aulas 02 e 03 0 50 100 150 200 250 300 350 400 jan /01 fev /01 ma r/0 1 abr /01 ma i/0 1 jun /01 jul/ 01 ago /01 set /01 out /01 nov /01 dez /01 jan /02 fev /02 ma r/0 2 abr /02 ma i/0 2 jun /02 jul/ 02 ago /02 set /02 out /02 nov /02 dez /02 jan /03 fev /03 ma r/0 3 abr /03 ma i/0 3 jun /03 jul/ 03 ago /03 set /03 out /03 nov /03 dez /03 Prof. Ms. Lucas Antonio Risso Planejamento e Controle da Produção – Aulas 02 e 03 USO DE MÉTODOS QUANTITATIVOS COM A PRESENÇA DE TENDÊNCIA E CICLICIDADE Vendas 2001 Vendas 2002 Vendas 2003 Janeiro 112 146 199 Fevereiro 146 113 175 Março 122 92 88 Abril 125 160 112 Maio 127 188 149 Junho 157 190 140 Julho 150 168 154 Agosto 235 235 275 Setembro 60 122 90 Outubro 92 97 120 Novembro 206 186 226 Dezembro 312 354 360 Prof. Ms. Lucas Antonio Risso Planejamento e Controle da Produção – Aulas 02 e 03 USO DE MÉTODOS QUANTITATIVOS COM A PRESENÇA DE TENDÊNCIA E CICLICIDADE Calcular: Divisão das vendas reais / previsão de janeiro de 2001 Vendas/ Tendência 2001 Vendas/ Tendência 2002 Vendas/ Tendência 2003 Média 0,837 0,940 1,124 0,967 1,077 0,719 0,978 0,925 0,888 0,579 0,487 0,651 0,898 0,995 0,614 0,836 0,901 1,156 0,808 0,955 1,099 1,156 0,752 1,002 1,037 1,011 0,820 0,956 1,605 1,399 1,450 1,485 0,405 0,718 0,470 0,531 0,613 0,565 0,621 0,600 1,357 1,072 1,158 1,196 2,031 2,019 1,828 1,960 Prof. Ms. Lucas Antonio Risso Planejamento e Controle da Produção – Aulas 02 e 03 USO DE MÉTODOS QUANTITATIVOS COM A PRESENÇA DE TENDÊNCIA E CICLICIDADE Reta de tendência 2001 Reta de tendência 2002 Reta de tendência 2003 Reta de tendência de 2004 projeção Média Coeficientes de ciclicidade Vendas com ciclicidade projeção Janeiro 133,8 155,4 177,1 198,7 0,967 192,09 Fevereiro 135,6 157,2 178,9 200,5 0,925 185,38 Março 137,4 159 180,7 202,3 0,651 131,73 Abril 139,2 160,8 182,5 204,1 0,836 170,54 Maio 141 162,6 184,3 205,9 0,955 196,66 Junho 142,8 164,4 186,1 207,8 1,002 208,32 Julho 144,6 166,2 187,9 209,6 0,956 200,36 Agosto 146,4 168 189,7 211,4 1,485 313,83 Setembro 148,2 169,9 191,5 213,4 0,531 113,31 Outubro 150 171,7 193,3 215 0,600 128,93 Novembro 151,8 173,5 195,1 216,8 1,196 259,25 Dezembro 153,6 175,3 196,9 218,6 1,960 428,38 Multiplicar a tendência pela média dos coeficientes de ciclicidade Prof Ms Lucas Antonio Risso Referências CORRÊA, H.L.; CORRÊA, C. A. Administração de produção e operações: manufatura e serviços: uma abordagem estratégica. São Paulo: Atlas, 2009. FERNANDES, Flavio Cesar Faria; GODINHO FILHO, M. Planejamento e controle da produção: dos fundamentos ao essencial. Coautoria de Moacir Godinho Filho. São Paulo, SP: Atlas, 2010. Bibliografia básica Planejamento e Controle da Produção – Aulas 02 e 03 Aulas 02 e 03 Centro Universitário da Fundação Hermínio Ometto Engenharia de Produção Prof. Ms. Lucas Antonio Risso lucasrisso@fho.edu.br OBRIGADO! EGP064 Planejamento e Controle da Produção
Compartilhar