atuação do ppcp - pinha.com.brpinha.com.br/empresarial/arquivos/unisalposlogistica003.pdf.pdf ·...

1

PPCP – Planejamento, Programaçãoe Controle da Produção

Qualidade, velocidade, custo, flexibilidade, confiabilidadeSlack

Qualidade, entrega, custo unitário, flexibilidade, inovaçãoLeong

Flexibilidade, entrega, qualidade, custo, introdução de produtosSwamidass

Custo, entrega, qualidade, serviço confiável, flexibilidade de produto, flexibilidade de volume, investimentoSkinner

Qualidade, confiabilidade, custo, flexibilidadeWheelwrigt

Fonte: MARTINS, Petronio Garcia, LAUGENI, Fernando Piero. Administração da Produção. São Paulo, Saraiva, 1998.

Atuação do PPCP

Fonte: Prof Valério Salomom DPD/FEG/UNESP

2

O PPCP é uma área de decisão da manufatura

Fonte: Prof Valério Salomom DPD/FEG/UNESP

As decisões do PPCP nos vários ambientes de manufatura

� excesso de capacidade� velocidade� flexibilidade

� excesso de capacidade� velocidade� flexibilidade

Produtos finais

Semi acabados

Matérias primas

ETOEngineerto Order

MTOMake toOrder

ATOAssemblyto Order

MTSMake toStock

� estabilidade� alta utilização de

capacidade

� estabilidade� alta utilização de

capacidade

Incertezas evariabilidades da

demanda

3

Antecipação da produção: estoque

Falta de capacidade

Capacidade e Demanda

Tempo

Pro

duçã

o A

greg

ada

Previsão da Demanda

Estimativa da capacidade atual

Capacidade e Demanda

Hotel

50

60

70

80

90

100

110

J F M A M J J A S O N D

Qua

rtos

Ven

dido

s

Overbooking ????

4

Métodos para ajustar a capacidade:

• Horas extras e ocupação do tempo ocioso• Variar o tamanho da força de trabalho• Usar pessoal em tempo parcial• Subcontratação / terceirização• Investimento em novos recursos

Previsão de Vendas

Horizontes de planejamentohoje

tempo

decisões Efeito dadecisão A

Efeito dadecisão B

Efeito dadecisão C

curto prazo

médio prazo

Longo prazo

ABC

Fonte: Administração da Produção e Operações, Henrique L. Corrêa, Carlos A. Corrêa, Atlas

5

Erros freqüentes em previsões

• Confundir previsões com metas e, um erro subseqüente, consideraras metas como se fossem previsões;

• Gastar tempo e esforço discutido se se "acerta" ou "erra" nas previsões, quando o mais relevante é discutir "o quanto" se estáerrando e as formas de alterar processos envolvidos, de forma a reduzir estes "erros“;

• 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 e uma estimativa do erro desta previsão;

• 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.


(tempo)

Previsão dedemanda / erro

Erros esperados de previsão crescem com o horizonte

Hoje Horizonte futuro

Faix

a de

err

o es

pera

do

Previsão

Erros esperados crescem com horizonte


6

Efeito da agregação dos dados

Previsão (feita há um ano

atrás)

Vendas efetivas no

mêsVariação

Quateirão 2.500 1.930 22,8%Bic Mac 6.000 7.269 -21,2%Hamburger 4.500 4.980 -10,7%Cheeseburger 3.000 2.730 9,0%Filé de Peixe 1.200 1.429 -19,1%McChiken 1.800 1.050 41,7%TOTAIS 19.000 19.388

- 2%

(tempo)

Pre

visã

o de

dem

anda

/ er

ro

Erros esperados de previsão crescem com o horizonte

Hoje Horizonte futuro

Previsão

Agregação dos dados pode ser maior para decisões de longo prazo

Agregação gradualm

ente maior

dos dados faz erros gradualmente

diminuirem

Efeitos dos horizontes e da agregação dos dados nas previsões


7

tempofuturopassado

Vendas reais do passado

Tendência identificada no passadoe projetada no futuro

Ciclicidade identificada no passadoe projetada no futuro

XX

X

Previsões de curto prazofeitas com base nas projeções

Demanda

Faixa de erroidentificada no passadoe projetada para o futuro

Projeções


Técnicas deprevisão

Quantitativas Qualitativas

Intrínsecas Extrínsecas Método Delphi

Juri deexecutivos

Força devendas

Pesquisa demercado

Médias móveis

Suavizamentoexponencial

Projeção detendências

Decomposição

Regressãosimples

Regressãomúltipla

Analogiahistórica

Técnicas de previsão


8

0

50

100

150

200

250

300

350

400

450

jan/

01

mar

/01

mai

/01

jul/0

1

set/0

1

nov/

01

jan/

02

mar

/02

mai

/02

jul/0

2

set/0

2

nov/

02

jan/

03

mar

/03

mai

/03

jul/0

3

set/0

3

nov/

03

Meses

Un

idad

es

Vendas tendência Ciclicidade

Séries históricas


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

Médias móveis


9

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

Média móvel ponderada


Vendas reais Suavizamento exponencial com alfa Suavizamento exponencialde 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

Suavizamento exponencial


10

Equação Linear

Y = 3.935 - 75,2870 X

Y = 3.935 - 75,2870 . 25 = 2.053 kg

1.000

1.500

2.000

2.500

3.000

3.500

4.000

4.500

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Períodos (meses)

Dem

anda

(kg)

D.Real D.Prev

R2 (coeficiente de determinação)

Previsão da Sazonalidade

01.0002.0003.0004.0005.0006.0007.0008.0009.000

10.000

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Períodos (meses)

Dem

anda

(kg)

D.Real 1 D.Real 2

• Sazonalidade Simples (D. Real 1)

• Sazonalidade com Tendência (D. Real 2)

11

Previsão Baseada em Correlações

Y = 1.757 + 2,99 X

Para um número de alunos de 13.750, a demanda prevista de refeições é de:

Y = 1.757 + 2,99 x 13.750 = 42.869 refeições

20.000

25.000

30.000

35.000

40.000

45.000

50.000

5.000 7.000 9.000 11.000 13.000 15.000 17.000

Número de Alunos

Ven

das

por C

asa

Y = 1.757 x 2,99 X

Correlação Linear

atuação do ppcp - pinha.com.brpinha.com.br/empresarial/arquivos/unisalposlogistica003.pdf.pdf ·...

Documents