Вы находитесь на странице: 1из 24

PROFESSOR: Me. EVERTON DROHOMERETSKI everton.drohomeretski@fae.

edu

de DA GESTOCustos PRODUO

Prof. Everton Drohomeretski

Aula Terica 1

Previso de Demanda
Vejo que voc vai tirar 10 neste semestre!!

Prof. Everton Drohomeretski

Classificao dos Sistemas de Produo


Tipo de Classificao
Grau de padronizao dos produtos Tipo de operao

Caractersticas
Produtos padronizados Produtos sob medida ou personalizados Processos contnuos (larga escala) Processos discretos Repetitivos em massa (larga escala) Repetitivos em lote (flow shop, linha de produo) Por encomenda (job shop, layout funcional) Por projeto (unitria, layout posicional fixo)

Ambiente de produo

Maketostock (MTS) Assemble to order (ATO) Assembletoorder Maketoorder Engineertoorder (ETO) Processos em linha Processos em lote Processos por projetos Bens
Prof. Everton Servios Drohomeretski

Fluxo de processos

Natureza dos produtos

Sistemas de Produo
MTS Make to Stock (produzir para estoque): So produtos padronizados, com rpido atendimento ao cliente. Baseiamse fortemente em previses de demanda e apresentam alto custo de estoque. Exemplos: produtos de prateleira e de consumo geral.

Sistemas de Produo
ATO Assemble to Order (montagem sob encomenda): d ) So produtos cuja caracterstica a possibilidade de prfabricar subconjuntos (ou mdulos) que sero posteriormente montados de acordo com o pedido do cliente. p Exemplos: computadores pessoais.

Sistemas de Produo
MTO Make to order (produzir sob encomenda) A etapa de produo s se inicia aps o recebimento formal do pedido do cliente. O prazo de atendimento alto, e os estoques concentramse no incio da cadeia (entradas do p processo). ) Exemplos: pinturas, produtos personalizados (sapatos, roupas, etc.) e a grande maioria dos servios.

Sistemas de Produo
ETO Engineer to Order (engenharia por encomenda) aplicado a projetos dos quais o cliente participa desde o incio, antes mesmo da colocao do pedido. No h estoque de matriaprima antecipada, at mesmo porque, na maioria das vezes, vezes a definio da matriaprima faz parte do projeto. O prazo de entrega muito longo. Exemplos: construo de navios, plataformas, etc.

Ambientes de Produo

Classificao quanto ao ambiente de produo x Lead Time

Fonte: Lustosa et al (2008)

Plano de negcios Plano financeiro Plano de mercado Capacidade

SISTEMA DE PLANEJAMENTO E CONTROLE DA RESULTADO PRODUO INSUMO PLANO DE PRODUO PROGRAMA MESTRE DE PRODUO (MPS) MRPI planejamento das necessidades de d material i l

Plano agregado Por grupos por produto Nveis de estoque

Plano de produo Previses Pedidos de clientes Estoque Capacidade MPS Conta e materiais Estoque Capacidade

Plano detalhado Por semana Por item final

Fabricao por fases e ordens de compra Por matrias primas matrias-primas Por componentes

COMPRAS
Prof. Everton Drohomeretski

CONTROLE DA ATIVIDADE PRODUTIVA

QUAIS OS OBJETIVOS DA PREVISO DA DEMANDA?


Orientar o planejamento e a coordenao d sistemas d i f d de i t de informao logstica. Possibilitar a programao e o controle da produo e o planejamento da capacidade. p

Elementos de uma Boa Previso

Oportuna

Confivel

Exata

Escrita

Adaptado de William J. StevensonEverton Drohomeretski Adm. das Operaes de Produo Prof.

TIPOS DE DEMANDA

Dependente:

Depende da prxima etapa para comprar ou p produzir. Exemplo: Pneu O consumo de pneus em uma montadora est diretamente ligado a montagem de veculos.

TIPOS DE DEMANDA

Independente:
LOJA

considerada independente quando no se relaciona com a demanda de outro item. Exemplo: A d E l demanda d l it no auxiliaro d de leite ili na previso de demanda de geladeiras.

PREVISO DA DEMANDA
Mtodos Qualitativos: so baseados no julgamento e na experincia de pessoas que possam por suas possam, prprias caractersticas e conhecimentos, emitir opinies sobre eventos futuros. Exemplos: Opinio de Executivos Op o o a e das Opinio da Fora de Vendas Pesquisas junto a Consumidores

Componentes do processo de previso de vendas


O PROCESSO DE BASE DE DADOS PREVISO DE VENDAS
Histrico: - Vendas - Preo - Promoes - Aes da Concorrncia - Conjuntura Econmica
Adaptado de: Fleury, Wanke e Figueiredo Logstica Empresarial (2000)
Prof. Everton Drohomeretski

USURIOS
- Finanas - Marketing - Compras - Produo - Logstica

Gerenciamento das previses - Tcnicas de Previso - Sistemas de suporte deciso

Seis etapas bsicas para realizar previses eficazes:


1. Compreender o objetivo da previso. 2. Integrar planejamento e previso de demanda. demanda 3. Identificar os principais fatores que influenciam a previso de demanda. 4. Compreender e identificar os segmentos consumidores. 5. 5 Determinar a tcnica de previso mais adequada. 6. Estabelecer indicadores de desempenho e de erro para a previso.
Adaptado de: Chopra, Sunil; Meindl, Peter. Gerenciamento da Cadeia de Suprimentos (2003)

O processo ideal de previso de vendas


Seleo e inicializao do modelo Dados histricos de vendas
Possvel modificao do modelo ou de parmetros

Modelo matemtico Percepo humana Julgamento Humano

Vendas Reais Clculo dos erros de previso e atualizao dos erros estatsticos

Previso estat st ca estatstica

Previso de vendas

Adaptado de: Fleury, Wanke eProf. Everton Drohomeretski Figueiredo Logstica Empresarial (2000)

Formao de estoque pulmo em perodos de baixa sazonalidade


Vendas

Tempo

Prof. Everton Drohomeretski

Prof. Everton Drohomeretski

Variaes de Previso
Variao irregular

Tendncia Ciclos Cycles


90 89 88 Variaes sazonais Adaptado de William J. StevensonEverton Drohomeretski Adm. das Operaes de Produo Prof.

Previses Ingnuas

Uh, d-me um minuto.... dVendemos 250 rodas na semana passada.... Portanto, na prxima semana, devemos vender....

Adaptado de William J. StevensonEverton Drohomeretski Adm. das Operaes de Produo Prof.

Mtodos por Mdia

Previses Ingnuas Mdias Mveis Ajustamento Exponencial

Prof. Everton Drohomeretski

Mdia Mvel:
Mtodo de previso que considera a demanda d lti d d dos ltimos perodos e utiliza d tili esse valor como a previso para o prximo perodo. No final do prximo perodo, a demanda a demanda do primeiro perodo desprezada e a demanda do ltimo acrescentada.

Mdia Mvel Simples


900 800 700 600 1 2 3 4 5 6 7 8 9 10 11 12 13
n
Real MA3 MA5

MAn

Ai

i=1

Adaptado de William J. StevensonEverton Drohomeretski Adm. das Operaes de Produo Prof.

Aplicar uma mdia mvel de trs meses aos dados da tabela abaixo e calcular a previso para o ms de janeiro:
Janeiro Fevereiro F i Maro Abril Maio Junho 92 83 66 74 75 84 Julho Agosto A t Setembro Outubro Novembro Dezembro 84 81 75 63 91 84

Exemplo de Mdia Mvel:

63 + 91+ 84 = 79 3 Suponha agora que a demanda de janeiro acabou sendo de 90, em vez de 79, calcular a previso de fevereiro: 91 + 84 + 90 = 88 3

Na mdia mvel ponderada, atribuise um peso cada um dos dados, sendo que a soma dos pesos deve ser igual a 1. Exemplo:
MS Consumo Real JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ 102 101 104 102 101 102 103 103 103 104 103 104

Mdia Mvel Ponderada

Prever o ms de janeiro do ano 2 utilizando uma mdia mvel trimestral com fator de ajustamento 0,7 para dezembro, 0,2 para novembro e 0,1 para outubro: b b P= 0,7 x 103 + 0,2 x 104 + 0,1 x 103 = 103,2

Mdia Mvel com Ajustamento Exponencial:


Mtodo de previso que atribui peso previso antiga e ltima demanda real. Uma vantagem da suavizao exponencial que aos novos dados se pode atribuir qualquer peso desejado. O peso dado ltima demanda real chamase constante de suavizao e representado pela letra grega alfa ( ) . Essa constante expressase l lf () como um valor decimal que varia de 0 a 1,0.

Formulas para Ajustamento Exponencial


Como encontrar ?

Formula para calcular a previso:

OU:

Exemplo Ajustamento Exponencial:


A demanda antiga para maio era de 220 e a demanda real para o mesmo ms foi de 190. Se alfa () tem valor de 0,15, calcule a previso para junho. Se a demanda de junho for de 218, calcule a previso para julho. Resposta Previso para junho=(0,15)x(190)+(10,15)x(220) = 215,5 junho=(0 15)x(190)+(10 15)x(220) 215 5 Previso para julho = (0,15)x(218)+(0,85)x(215,5)=215,9

Suavizao Exponencial: Exemplo


Ms jan-10 fev-10 mar-10 10 abr-10 mai-10 jun-10 jul-10 ago-10 set-10 out-10 nov-10 dez-10 jan-11 Venda 105 95 114 106 126 135 125 111 131 135 116 124 Previso 100 100,75 99,89 99 89 102,00 102,60 106,11 110,45 112,63 112,38 115,18 118,15 117,83 118,75

Sazonalidade ndice sazonal


ndice Sazonal=
demanda mdia para o perodo demanda mdia para todos os perodos 128 = 1,28 (1 trimestre) 100 102 = 1,02 (2 trimestre) 100 75 = 0,75 (3 trimestre) 100 95 = 0,95 (4 trimestre) 100 Total dos ndices sazonais = 4 Percebam que o total dos ndices sazonais igual ao nmero de perodos.

Demanda desestacionalizada
Mtodo utilizado para comparao de demanda em caso de demandas sazonais. Demanda desestacionalizada = demanda sazonal real ndice sazonal

Demanda desestacionalizada
Exemplo Uma empresa que vende raquetes de tnis tem uma demanda para o ms de junho de 5.200 unidades, e para o ms de janeiro de 24.000 unidades. Se os ndices sazonais para junho foram de 0,5 e para janeiro de 2,5, calcule a demanda desestacionalizada para junho e janeiro. Como os dois meses so comprados? Resposta Demanda desestacionalizada para junho= 5.200/0,5= 10.400 unidades Demanda desestacionalizada para janeiro= 24.000/2,5= 9.600 unidades Agora as demandas para junho e janeiro podem ser comparadas. Em uma base desestacionalizada, a demanda para junho foi maior que a demanda para janeiro.

Desvio Absoluto Mdio: Exemplo de DAM:


Ms 1 2 3 4 5 6 Total Prevista 100 100 100 100 100 100 600 Real 105 94 98 104 103 96 600 Variao (erro) 5 -6 -2 4 3 -4 0

Soma dos desvios absolutos = 5+6+2+4+3+4 = 24 DAM = 24 = 4 6

O ajustamento exponencial duplo (mtodo de dois parmetros Holt) utilizado sempre que os dados ap ese ta u a te d c a. e e, apresentam uma tendncia. Nele, so usadas as seguintes segu tes equaes: 1) Previso para o perodo t 2) Valor da tendncia para o perodo t 3) Valor da previso para p perodos adiante

Ajustamento de tendncias Ajustamento exponencial duplo

Legenda das equaes

Mtodo de Regresso Linear (ajustamento de retas)


Y

Yt = a + bx
b similar inclinao da reta. Entretanto, como ele calculado considerando a variao d d d sua id d i dos dados, determinao no simples, conforme nossa noo usual.
0 1 2 3 4 5 x

Calculando a e b

Coeficiente de correlao (r)

Exemplo de regresso linear


Um produto industrial apresentou as vendas dos ltimos seis meses conforme dados da tabela 1. Pedese: a) Ajustar uma reta e calcular a sua equao; b) Calcular o coeficiente de correlao r; c) Determinar a previso de julho, agosto e setembro.
Ms Consumo real
Tabela 1

VENDAS EM UNIDADES JAN FEV MAR ABR MAIO 340 355 365 375 390

JUN 401

Para realizar a previso, a varivel X corresponde aos meses que numeramos de 1 a 6. Constrise a Tabela 2 para facilitar os clculos:

Resultado:
A equao da reta : Y = 329 + 12X Previses para os meses 7,8 e 9:
Y = 329 + 12 x 7 = 413 (previso para o ms de julho) Y = 329 + 12 x 8 = 425 (previso para o ms de agosto) Y = 329 + 12 x 9 = 437 (previso para o ms de setembro) ( i d t b )

Ajustamento sazonal para dados com tendncia (modelo de Winter)


O ajustamento sazonal para dados com tendncia, conhecido como modelo d t d i h id d l de Winter, uma extenso do modelo de Holt e adiciona uma equao para estimar a sazonalidade.

Equaes utilizadas no modelo Winter


1) A nova srie amortecida 1) Estimativa de tendncia 3) Estimativa de sazonalidade

4) Previso para p perodos no futuro

Legenda das equaes

Controle do modelo de previso selecionada Sinal de rastreamento Tracking Signal (TS) O TS uma varivel normal de mdia zero e desvio d d i padro 1 e aceitase que o modelo d it d l de previso utilizado continua vlido sempre que o valor do TS esteja compreendido entre 3 e +3, algebricamente: O sinal de rastreamento (TS) calculado como: ( )

Clculo do sinal TS
Perodo Valor Real Previso a) Desvio a.1) Desvio acumulado b) Desvio absoluto b.1) Desvio absoluto acumulado b.2) Desvio absoluto acumulado mdio c) TS = a.1/b.2 1 100 120 20 20 20 20 20 1 2 110 120 10 30 10 30 15 2 3 120 120 0 30 0 30 10 3 4 130 120 10 20 10 40 10 2 5 140 120 20 0 20 60 12 0 6 120 120 0 0 0 60 10 0