capítulo i - uenf.br(datasul). 5 – treinar os ... necessárias ao processo...
TRANSCRIPT
1
CAPÍTULO I
INTRODUÇÃO
1.1 CONTEXTO
Nas duas últimas décadas ocorreram profundas mudanças nos sistemas produtivos.
A globalização da economia, acirrando a concorrência, e a inovação tecnológica,
propondo novas formas de fabricação e comunicação, forçaram as empresas a
repensar sua estrutura de produção (TUBINO, 2000).
Segundo Dalmoro (2003), vivencia-se uma realidade onde a globalização da
economia é cada vez mais freqüente. Neste cenário, a competitividade entre as
empresas tende a aumentar cada vez mais. Empresas precisam ser competitivas e,
para tanto, buscam desenvolver produtos com altos padrões de qualidade, que
atendem às necessidades dos seus clientes. Além disso, devem possuir sistemas de
produção flexíveis e produtivos, com capacidade e flexibilidade para se adaptar
rapidamente às mudanças impostas pelas necessidades do mercado. Logo, a
capacidade de competitividade das empresas está diretamente associada à
flexibilidade e à habilidade que possuem para responder pró ativamente às novas
exigências dos clientes, e às mudanças do mercado ou da sociedade.
Em meio a todas essas mudanças, entre outras necessidades, urge encontrar um
modelo mais adequado possível para se realizar a previsão de demanda dos
produtos da empresa.
Um modelo de empresa, segundo Dalmoro (2003), é uma representação
computacional da estrutura, atividades, processos, informações, recursos, pessoas,
comportamentos, metas e restrições de um negócio, governo ou outra empresa.
A modelagem de empresa corresponde à documentação das características de uma
organização a partir de seus processos de negócios. A documentação é realizada
utilizando-se modelos para registrar os processos, recursos, estrutura,
organizacional e sistema de informação (DALMORO 2003).
2
Segundo Vernadat (1996), modelagem de empresa é um conjunto de atividades ou
processos usados para desenvolver as várias partes de um modelo de empresas
para atingir alguma finalidade desejada e tem por propósito:
� Projetar ou reprojetar, integrar e especificar uma parte da empresa (aspectos
funcionais, comportamentais, de informação, de organização ou aspectos
estruturais como estruturas de decisão);
� Melhor representar e entender como a empresa (ou alguma parte) funciona;
� Capitalizar o conhecimento adquirido ou Know-how para posterior uso;
� Racionalizar e assegurar o fluxo de informação;
� Analisar algum aspecto da empresa (análise econômica, análise organizacional,
análise quantitativa, análise qualitativa, layout de equipamentos, etc);
� Simular o comportamento de alguma parte da empresa;
� Tomar melhores decisões sobre a operação e organização da empresa;
� Controlar, coordenar ou monitorar alguma parte da empresa (isto é, algum
processo).
A experiência tem mostrado que o projeto e integração de empresa são um
empreendimento complexo e de alto risco e para adquirir eficiência no projeto e
integração, novas metodologias, técnicas e ferramentas computacionais devem ser
utilizadas para tratar esta complexidade, além do uso de modelos de referência.
Modelos de referência significam modelos de empresas construídos por
fornecedores comerciais de sistemas ou por instituições de pesquisa acadêmica,
que podem ser facilmente adaptados a cada empresa em particular, isto é, com
menor esforço de projeto (CAMPOS, 1998).
1.2 OBJETIVO
Baseado nos modelos de referência de processos de previsão de demanda e
respectivo modelo de sistema de informação proposto por Santos (2001), o objetivo
deste trabalho é implementar na prática os processos e um módulo de sistema de
informação para a previsão de demanda em uma indústria de auto peças, e assim
analisar as funcionalidades e aplicabilidade desses modelos de referência. O
sistema de informação será desenvolvido em Java e será integrado ao ERP da
empresa.
3
1.3 JUSTIFICATIVA
Em geral, as empresas, principalmente de pequeno e médio porte, não realizam
previsão de demanda de produtos como prática integrada a seus procedimentos
habituais. Em alguns casos utilizam apenas procedimentos qualitativos e opiniões.
Segundo Fleury et al. (2000), a não documentação desses processos é comum nas
empresas.
O relacionamento entre consumidores e fornecedores sofre mudanças contínuas
dadas às pressões competitivas da indústria, forçando modificações significativas
nas relações entre a linha de produção e seus fornecedores (FLYNN at al, 1996).
Segundo Proto & Mesquita (2003), a atividade de planejamento da capacidade é de
grande importância dentro do processo de planejamento estratégico de empresas de
capital intensivo. Um dos pré-requisitos para um bom planejamento de capacidade é
dispor de sistema de previsão de demanda consistente.
Mediante as inúmeras inovações que estamos vivendo, e a necessidade de
encontrarmos modelos de previsão de demanda que atendam melhor as
necessidades de melhoria na gestão de produção, é intenção testar os modelos
teóricos de Santos (2001), aplicando-os em um estudo de caso.
Para tanto será utilizado uma estimulante plataforma a Java. Segundo Lopes (2004)
a Java além de ser uma ótima linguagem de programação para a Internet, a
tecnologia Java está equipada para dominar o mundo da programação para
computadores em geral, e também o mundo dos sistemas embutidos. Um único
aplicativo Java pode rodar em diferentes plataformas, pois o compilador Java gera
um tipo de código especial, chamado bytecode.
Campos & Santos (2000), propõem um modelo de referência que visa possibilitar o
aprendizado e aplicação dos conhecimentos que definem como cada etapa do
processo deve ser realizado para que possa ser empregado no ambiente
empresarial. O que se espera é a formalização e domínio de conhecimentos e o
emprego do modelo como referência para a reengenharia dos processos e sistemas
de informação.
4
Segundo Eriksson & Penker (2000) apud Santos (2001), os modelos possibilitam o
aumento do atendimento do negócio promovendo a percepção de novas
oportunidades para a sua melhoria. A partir do modelo, é possível então adaptar,
projetar ou desenvolver um sistema de informação (software) apropriado para
suportar o funcionamento do negócio. Assim, o modelo de empresa possibilitará um
projeto de sistema de informação com maior consistência, uma vez que toda a
realidade da empresa será levantada e as verdadeiras necessidades do negócio
conhecidas, organizadas e registradas do modelo.
Através deste trabalho, buscaremos identificar os pontos positivos e negativos
contidos no trabalho de Santos (2001) visando o levantamento e adequações
necessárias para o uso dos modelos de referência que foram propostos com base
puramente teórica.
1.4 METODOLOGIA DE TRABALHO
Para atingir os objetivos deste trabalho, faz-se necessário:
1 - Estudar o modelo de referência contido no trabalho de Santos (2001), com a
finalidade de aplicação na área de previsão de demanda de produtos.
2 - Definir os requisitos da Empresa Particular (uma indústria de auto peças)
considerando os níveis desejados de desempenho (redução de custos e estoque,
sem prejuízo quanto ao prazo de entrega para os clientes).
3 - Desenvolver modelos particulares da empresa baseados nos modelos de
referência de processos e de sistema de informação contidos no trabalho de Santos
(2001), e nos requisitos particulares da empresa.
4 - Implementar os modelos particulares de processos e desenvolver o módulo de
sistemas de informação em Java utilizando a base de dados do ERP da empresa
(Datasul).
5 – Treinar os funcionários da empresa envolvidos na previsão de demanda de
produtos e testar os processos e sistemas de informação originários dos modelos
particulares propostos.
5
6 - Operar com o sistema durante um período de 4 a 6 meses.
7 - Analisar as possíveis dificuldades, tanto de implementação como de operação, e
aprimorar a acurácia, priorizando uma melhor previsão de demanda, através da
operação do sistema.
8 - Verificar resultados, medir o desempenho através dos possíveis benefícios dos
processos de previsão de demanda e respectivo Sistema de Informação.
1.5 ESTRUTURA DA DISSERTAÇÃO
Este trabalho é composto por 6 capítulos, onde:
O capítulo I apresenta uma introdução composta pelo contexto, objetivo, justificativa,
metodologia do trabalho e estrutura da dissertação.
O capítulo II aborda a administração da produção, em especial sobre a gestão da
demanda, nos advertindo sobre sua importância e relatando propostas e
procedimentos para uma melhor previsão de demanda.
O capítulo III aborda a modelagem de empresas apresentando alguns conceitos
básicos. Apresenta a linguagem de modelagem CIMOSA e a linguagem de
modelagem de sistemas orientada a objetos UML.
O capítulo IV, apresenta os processos de empresa e do modelo de informação, da
aplicação teórica de auxílio a previsão de demanda de produtos, contido no trabalho
de Santos (2001).
O capítulo V apresenta a aplicação do modelo de referência ressaltando as
diferenças com o modelo particular da empresa e apresentando uma análise sobre a
aplicabilidade do modelo de referência.
No capítulo VI são apresentadas as conclusões e perspectivas do trabalho.
6
CAPÍTULO II
GESTÃO DA DEMANDA
Neste capítulo será feita uma revisão da literatura visando uma melhor abordagem
sobre administração da produção e gestão da demanda, que visa conciliar os fatores
que impactam a relação empresa e o mercado.
2.1 ADMINISTRAÇÃO DA PRODUÇÃO E A DEMANDA
A gestão da produção está na essência da vida empresarial, uma vez que
representa o ato de criação. Uma vez que a criação de produtos e serviços é a
principal razão da existência de qualquer organização, a administração da produção
deve ser o centro de suas atividades (SLACK et al.,1997).
É sabido que a empresa existe para reproduzir seu capital, desta forma devem ser
observados vários aspectos que podem influenciar a escolha do cliente e que ao
mesmo tempo, estão dentro do escopo de atuação da função das operações
produtivas da organização: custo, velocidade de entrega, confiabilidade,
flexibilidade, qualidade, serviços (CORRÊA et al., 2001).
Observando esses aspectos ficará mais fácil alcançar os mercados demandantes.
Uma vez que não há mercados demandantes suficientes para todos os ofertantes
colocarem seus produtos, alguns conseguirão fazê-lo e outros não. O que fará a
diferença é oferecer o que lhes mais interessa (CORRÊA et al., 2001).
São de enorme importância as informações para o apoio a tomada de decisões,
táticas e operacionais como: o que, quando e com que recursos produzir e comprar;
para que sejam atingidos os objetivos estratégicos da organização (CORRÊA et al.
2001).
A previsão é uma informação indispensável para o planejamento da produção,
vendas e finanças de uma empresa, permitindo aos administradores antever o futuro
e planejar adequadamente ações para o desenvolvimento de planos de capacidade,
fluxo de caixa, vendas, produção, estoques, mão de obra, compras, etc (SANTOS,
2001).
7
Na literatura pode-se encontrar vários trabalhos e pesquisas na área de previsão de
demanda. Eles possuem características diferentes, e se concentram em uma ou
mais questões (modelos, algoritmos, descrição de procedimentos, software, etc),
sendo que estes trabalhos se complementam (SANTOS & CAMPOS 2000).
Segundo Tubino (1998), existem várias técnicas e modelos para a previsão de
demanda. Apesar da evolução dos recursos computacionais e da sofisticação
matemática das técnicas e modelos para a previsão da demanda dos produtos, ela
não é uma ciência exata e envolve uma boa dose de experiência e julgamento
pessoal do planejador. O valor previsto será sempre uma aproximação do valor real.
Porém, quanto mais apurada a técnica empregada, melhor a base na qual o
planejador decidirá.
Martins & Laugeni (2002) nos advertem quanto a importância da previsão pois nos
permitem utilizar as máquinas de maneira adequada, para realizar a reposição dos
materiais no momento e na quantidade certa, e para que todas as demais atividades
necessárias ao processo industrial sejam adequadamente programadas. Apesar de
as previsões serem importantes e úteis para o planejamento das atividades, elas
apresentam erros em suas estimativas, devendo-se ser cuidadoso tanto na coleta de
dados como na escolha do modelo de previsão, para que diminuam os erros. Um
dos pré-requisitos para um bom planejamento da capacidade é dispor de um sistema
de previsão de demanda consistente.
Segundo Tubino (2000) a previsão de demanda é a variável mais importante dentro
de um sistema de produção e seguem ou deveriam seguir alguns passos: o objetivo,
a coleta e a análise dos dados, a seleção da técnica de previsão, a obtenção das
previsões e o monitoramento do modelo. Monks (1987) conceitua previsões como
avaliações de ocorrências de eventos futuros incertos. E que a mesma tem como
propósito usar a melhor informação disponível para dirigir atividades futuras em
direção às metas da empresa.
Pacheco & Silva (2003) apresentam a previsão de demanda como uma estrada para
o planejamento de capacidade, programação de parada de ativos para manutenção,
definição de níveis de serviço, entre outros. Contrariamente ao que ocorre com os
8
produtos, não é possível estocar serviços não prestados durante os períodos de
menor demanda para o atendimento em período de alta demanda (CORRÊA &
GIANESI, 1994). Percebe-se portanto, que uma questão crucial no setor de serviços
é o dimensionamento da capacidade a ser adicionada, e também em quando
expandi-la. Capacidade ociosa pode implicar em elevados custos unitários para o
serviço prestado, enquanto falta de capacidade pode, implicar em deterioração dos
níveis de serviço prestados ao cliente (PACHECO & SILVA, 2003).
O processo de Gestão de Demanda tem apresentado um grande destaque no meio
empresarial devido a sua responsabilidade com relação à coordenação do
relacionamento entre o ambiente produtivo da empresa e seu mercado consumidor.
Além disso, cada vez mais novos sistemas computacionais são disponibilizados no
mercado e se tornam acessíveis a um grupo maior de empresas (AZEVEDO et al.,
2003).
Segundo Saliby (2003), quem atua na gestão de produção deverá estar atento a
vários fatores, dentre eles a sazonalidade. A demanda por produtos e serviços é
geralmente influenciada por componentes sazonais que devem ser levados em
conta para uma utilização mais eficiente dos recursos e oportunidades disponíveis.
Desta forma, entra a importância do planejamento que deve seguir alguns passos:
1- Levantamento da situação presente;
2- Desenvolvimento e reconhecimento da “visão” de futuro, com ou sem
intervenção;
3- Tratamento conjunto da situação presente e da “visão” de futuro por alguma
lógica que transforme os dados coletados sobre o presente e o futuro em
informações que passam a ser disponibilizadas numa forma útil para a tomada de
decisão gerencial logística;
4- Tomada de decisão gerencial;
5- Execução do plano.
Mesmo quando planejamos nos deparamos com algumas incertezas da previsão.
Em geral, as previsões de mais longo prazo são feitas sob condições de maior
incerteza. (CORRÊA et al., 2001)
9
Do ponto de vista da produção e logística, o mundo ideal seria aquele em que a
produção e demanda por um produto ou serviço fosse o mais estável possível,
exigindo assim um mínimo de intervenção no processo. Mas, felizmente ou
infelizmente, o mundo nunca é como gostaríamos que fosse! (SALIBY, 2003)
Assim como a produção, a demanda da empresa também deve ser gerenciada,
devido a alguns fatores (CORRÊA et al, 2001):
1. Poucas empresas podem alterar os volumes de produção de um período para
outro, de forma a atender às variações da demanda;
2. Para muitas empresas, principalmente aquelas multidivisionais, ao menos parte
da demanda não vem do ambiente externo, mas de outras divisões ou de
subsidiárias, o que permite esforços de administração de demanda;
3. Empresas que têm relações de parcerias com seus clientes podem negociar
quantidade e momento da demanda por eles gerada, de modo a melhor adaptá-
la a suas possibilidades de produção;
4. A demanda de muitas empresas, principalmente as que produzem produtos de
consumo, pode ser criada ou modificada, tanto em termos de quantidade quanto
de momento, por meio de atividade de Marketing, promoções, propaganda,
esforço de venda, entre outros;
5. Mesmo empresas que produzem outros tipos de produtos, que não de consumo,
podem exercer influência sobre a demanda por meio de esforço de venda,
mediante sistemas indutores de comportamento de seus vendedores e
representantes comerciais (sistema de cotas e comissões variáveis, por
exemplo).
2.2 FATORES DE RELEVÂNCIA NA GESTÃO DE DEMANDA
Segundo Dias (1999), em geral os trabalhos encontrados na literatura sobre previsão
concentra-se nas questões quantitativas. Só mais recentemente tem se dado mais
atenção ao tratamento do processo de previsão como um todo.
10
CORRÊA et al. (2001), na figura 2.1, apresenta os principais elementos da Gestão
de Demanda:
1- Habilidade para prever a Demanda – É muito importante que a empresa saiba
utilizar todas as ferramentas disponíveis para conseguir antecipar a demanda
futura com alguma precisão. Isso pode envolver formar e manter uma base de
dados históricos de vendas, assim como informações que expliquem suas
variações e comportamento no passado, utilizar modelos matemáticos
adequados que ajudem a explicar o comportamento da demanda, compreender
como os fatores ou variáveis internas (promoções, etc.) e externas (clima,
condições econômicas, etc.) influenciam o comportamento da demanda, coletar
informações relevantes do mercado e ser capaz de derivar daí uma estimativa da
demanda futura;
2- Canal de Comunicação com o Mercado – A empresa geralmente está
preocupada somente em vender, desprezando uma função extremamente
importante: trazer informações dos clientes e do mercado para a empresa, em
base contínua e permanente;
3- Poder de Influência sobre a Demanda – Além de tentar prever o
comportamento da demanda é fundamental que a empresa procure influenciá-lo.
Esta influência pode dar-se sobre a demanda já manifesta ou sobre a demanda
que vai acontecer. Em qualquer circunstância, é importante que as ações
desferidas pela empresa para influenciar sua demanda sejam conhecidas e
levadas em conta na previsão de vendas futuras. Embora óbvia, nem sempre
Gestão de
Demanda
Influência sobre o
mercado
Previsão de
demanda
Promessa de
prazos
Comunicação com o mercado
Priorização e
alocação
Figura 2.1 – Elementos de Gestão de Demanda (CORRÊA et al., 2001)
11
essa preocupação está presente, fazendo com que as previsões incorporem
incertezas geradas pelo desconhecimento que os responsáveis pelas previsões
têm das ações da área comercial;
4- Habilidades de Prometer Prazos – Importante para garantir o desempenho em
confiabilidade de entregas, a atividade de promessa de prazo também é de
responsabilidade de quem faz a gestão da demanda;
5- Habilidade de Priorização e Alocação - O objetivo do planejamento é criar
condições para que a empresa consiga atender a toda a demanda dos clientes.
Contudo, se ocorre de não haver produtos suficientes ou se os recursos e
materiais necessários não estão disponíveis, é preciso decidir quais clientes
serão atendidos total ou parcialmente e quais terão de esperar.
Segundo Corrêa et al. (2001), a gestão da demanda é uma função ativa e essencial
para o bom desempenho do planejamento. Os principais processos operacionais da
função de gestão de demanda são:
� Processo de previsão de vendas;
� Processo de cadastramento de pedidos;
� Processo de promessa de data de entrega;
� Processo de definição e avaliação do nível de serviço ao cliente;
� Processo de planejamento de necessidades entre unidades produtivas e centros
de distribuição;
� Processo de distribuição física de produtos aos clientes e/ou centros de
distribuição.
Como visto anteriormente, a previsão da demanda é uma das funções da gestão da
demanda.
2.3 FATORES QUE PODEM AFETAR O DESEMPENHO DE UM MODELO DE
PREVISÃO SEGUNDO TUBINO (2000)
Segundo Tubino (2000), alguns fatores afetam o desempenho de um modelo de
técnica de previsão:
� A técnica de previsão pode estar sendo usada incorretamente, ou sendo mal
interpretada;
12
� A técnica de previsão perdeu a validade devido a uma mudança em uma
variável importante, ou devido ao aparecimento de uma nova variável;
� Variações irregulares na demanda pode ter acontecido em função de greves,
formação de estoques temporários, catástrofes naturais, etc;
� Ações estratégicas de concorrência, afetando a demanda;
� Variações aleatórias inerentes aos dados de demanda (TUBINO 2000).
2.4 COMPLEXIDADES E INCERTEZAS DA PREVISÃO
Segundo Diaz & Pires (2003), a previsão da demanda é uma etapa crítica para todos
os membros de uma cadeia de suprimentos devido à complexidade e às incertezas
intrínsecas a suas atividades.
Quando falamos em gerenciamento de demanda vem nos à mente quem é
responsável pela gestão de demanda. É sabido, que em algumas empresas, tem se
adotado a alternativa de criar uma área específica para cuidar da gestão de
demanda, que funcionalmente, pode estar ligada à diretoria comercial, à diretoria
industrial, à diretoria logística ou à diretoria financeira. O importante é que o
responsável por essa área seja capaz de articular a participação das demais áreas,
garantindo a obtenção das informações e o comprometimento adequado de todos
(CORRÊA et al., 2001).
O gerenciamento da demanda é um fator importante para a integração das
empresas que compõem a cadeia de suprimentos. Uma gestão integrada da
demanda na cadeia produtiva compreendida pelos fornecedores, fabricantes,
distribuidores e varejistas, levará a maior precisão dos dados trocados dentro da
cadeia, minimizando a propagação de erros de previsão, reduzindo as incertezas na
gestão da capacidade produtiva, diminuindo os estoques, entre outras vantagens
(DIAZ & PIRES, 2003).
O planejamento da produção de qualquer empresa que produz para estoque se
inicia com a análise da previsão da demanda futura. Desta análise será definido o
que produzir, em que quantidade e quando produzir. A oferta e a procura, porém,
modificam-se constantemente (PORTER, 1996). O grau de complexidade do
gerenciamento da demanda depende de negócio para negócio. Por exemplo, nas
13
empresas que produzem sob encomenda (make to order) a gestão é facilitada, pois
esta empresa trabalha com pedidos em carteira. Já para empresas que produzem
para estoque (make to stock) a sua gestão se baseia na previsão de vendas
(forecasting), e portanto sujeitas a todas as desvantagens e riscos inerentes a uma
previsão (PIRES & MUSETTI, 2001). Mesmo para empresas que produzem sob
encomendas (make to order), a gestão de demanda também se torna bastante
incerta se for considerado um cenário de longo prazo, além dos pedidos existentes
em carteira.
Segundo Slack et al. (1997), vários fatores podem influenciar na demanda:
� Habilidade na mão de obra;
� Adequação do local em si;
� Imagem do local;
� Conveniência para os clientes;
� Escolha do local.
Segundo Tubino (2000), alguns cuidados básicos devem ser tomados na coleta e
análise dos dados, entre eles os seguintes:
• Quantos 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, pois pode ter
ocorrido falta de produtos, postergando as entregas ou deixando de atendê-las;
• Variações extraordinárias da demanda, como promoções especiais ou greves,
devem ser analisadas e substituídas por valores médios, compatíveis com o
comportamento normal da demanda;
• O tamanho do período de consolidação dos dados (semanal, mensal, trimestral,
anual, etc.).
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 (TUBINO, 2000).
14
À medida que as previsões forem sendo alcançadas pela demanda real, Tubino
(2000) considera importante 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. Em situações críticas, um reestudo desde o
primeiro passo (o objetivo do modelo) pode incluir um novo exame dos dados e a
escolha de uma nova técnica de previsão.
2.5 PROCEDIMENTOS PARA UMA MELHOR PREVISÃO DE DEMANDA
Existem vários procedimentos ou processos propostos para a previsão de demanda
na teoria.
2.5.1 PROCESSO DE PREVISÃO SEGUNDO BRANDER (1995)
Este processo de previsão está esquematizado figura 2.2.
� COLETAR E ANALISAR OS DADOS
Após digitados no sistema os dados devem ser avaliados, ou seja, é necessária
uma análise exploratória dos dados para que possíveis distorções sejam retiradas
dos históricos. Essas distorções podem ser causadas por: erro na digitação dos
dados; falta de produtos; especulação do mercado sobre variações de preço;
OK Revisar o modelo
Monitoramento dos
erros
N
Coletar e Analisar os
dados
Módulo de Previsão
Cálculo da Previsão
Previsão Final
Vendas
Os erros estão satisfatórios?
S
Figura 2.2 – Processo de Previsão (adaptado de BRANDER, 1995)
15
eventos esporádicos que têm relação com a demanda; expectativas de promoções,
etc. Além disso, para previsão é importante trabalhar com dados de demanda e não
de entregas ou faturamento. Isso exige outro “filtro manual” dos dados na entrada
dos sistema de previsão.
� FAZER A PREVISÃO QUANTITATIVA – RECURSO COMPUTACIONAL
Esse é o momento em que as técnicas quantitativas de previsão devem ser
aplicados aos dados. As técnicas quantitativas podem ser classificados em duas
categorias: as Séries Temporais e os Modelos Causais. A principal diferença está
nas premissas dos modelos: os modelos causais procuram relações do tipo “causa e
efeito” para explicar o comportamento variável. Já as séries Temporais se baseiam
na hipótese de que o futuro será uma continuação ou repetição do passado.
Atualmente, o computador tem tido papel fundamental para a aplicação de tais
técnicas.
� REVISAR A PREVISÃO
Para rever as previsões algumas questões devem ser respondidas.
• O resultado do modelo matemático é factível? As premissas adotadas na
construção do modelo continuam válidas?
• As informações sobre os consumidores, concorrentes, distribuidores, estão
disponíveis? Sem elas os dados históricos não passam de um “amontoado de
números”, que muitas vezes não ajudam a entender a demanda e, portanto prevê-la.
• Existe algum esforço especial de marketing? Se existe, qual o resultado
esperado?
• Ocorrerá algum evento que afete a demanda?
� MONITORAR O ERRO
O erro de previsão vai sempre existir devido à componente aleatória da demanda.
Entretanto é importante acompanhá-lo para garantir que esteja dentro dos limites
aceitáveis, e para evitar o viés.
16
2.5.2 PROCESSO DE PREVISÃO SEGUNDO DIAS (1999)
DIAS (1999), apresenta uma outra abordagem proposta por Kress & Snyder (1994).
Sua sugestão está descrita a seguir e está esquematizada na figura 2.3.
• DEFINIR O PROPÓSITO DA PREVISÃO
Porque a previsão é necessária? Como os resultados serão usados? Que tipo de
decisão será tomada com a previsão? Estas questões irão influir nas características
chaves da previsão descritas a seguir.
• IDENTIFICAR AS CARACTERÍSTICAS CHAVE DA PREVISÃO
Qual a agregação por região? A previsão deve ser feita para cada região ou para um
país como um todo? Qual o nível de detalhe necessário? Qual agregação por
produto? A previsão deve ser feita por produto, família de produtos, modelos? Qual
a extensão dos períodos de previsão? As previsões devem ser feitas por mês,
quinzena, semana, dia? Qual o horizonte da previsão? Quantos períodos são
necessários de antecedência?
1- Definir o propósito da previsão
2- Identificar as características chaves da previsão
3- Identificar forças internas e externas
4- Selecionar o modelo mais apropriado
5- Fazer uma previsão inicial
6- Revisar a previsão com os usuários
7- Fazer a previsão formal
8- Monitorar o erro
Figura 2.3 – Processo de Previsão (adaptado de Kress & Snuder 1994)
17
• IDENTIFICAR FORÇAS INTERNAS E EXTERNAS
Fatores que influenciam a demanda como as forças internas são mais fáceis de
identificar como mudanças na planta da fábrica, lançamento de novos produtos,
dados históricos de vendas, etc. Já as forças externas como nível de atividades
econômica, ações de governo, ações dos competidores, etc. são mais difíceis de
obter, mas também podem ser valiosas fontes de informação à previsão.
• SELECIONAR O MODELO MAIS APROPRIADO
A seleção do modelo mais apropriado é função de 6 fatores: horizonte de previsão;
acurácia desejada; padrões da demanda; custo da técnica; disponibilidade de dados
e complexidade dos modelos.
• FAZER UMA PREVISÃO INICIAL
Depois que as forças internas e externas foram consideradas e o modelo foi
selecionado, então a previsão inicial deve ser elaborada. Na construção da previsão
inicial as condições de mercado e o plano de marketing devem ser considerados.
Com a utilização de informações que inserem as previsões em seu contexto, as
distorções serão evitadas.
• REVISAR A PREVISÃO COM BASE NA PERCEPÇÃO DOS USUÁRIOS DA
PREVISÃO
A previsão deve ser revisada pelo responsável pelas decisões e se este tiver uma
justificativa, então a previsão deve ser ajustada.
• FAZER A PREVISÃO FORMAL
A previsão formal é estabelecida após a revisão dos responsáveis pelas decisões ou
até pela alta gerência.
• MONITORAR ERRO
A última etapa do processo de previsão é o monitoramento dos erros. Como os erros
de previsão afetam várias funções de uma empresa, eles devem ser acompanhados
de perto para que quando necessário, ações corretivas no processo sejam tomadas
rapidamente.
18
2.5.3 PROCESSO DE PREVISÃO SEGUNDO TUBINO (2000)
Segundo Tubino (2000), uma vez decidida a técnica de previsão e implantado o
modelo, há necessidade de acompanhar o desempenho das previsões e confirmar
sua validade perante a dinâmica atual dos dados. É necessário manter um modelo
atualizado de previsão e monitorar esse modelo, para se ter sempre previsões
confiáveis da demanda. Essa monitoração é realizada por meio de cálculo e
acompanhamento de erro da previsão, que é a diferença entre o valor real e o valor
previsto pelo modelo para o dado período. A manutenção e monitoração de um
modelo de previsão confiável buscam:
� Verificar a acuracidade dos valores previstos;
� Identificar, isolar e corrigir variações anormais;
� Permitir a escolha de técnicas, ou parâmetros, mais eficientes.
Tubino (2000), divide um modelo de previsão de demanda em cinco etapas básicas,
conforme figura 2.4. Inicialmente, define-se o objetivo do modelo, com base na qual
coletam-se e analisam-se os dados, seleciona-se a técnica de previsão mais
apropriada, calcula-se a previsão da demanda e como forma de feedback,
monitoram-se e atualizam-se os parâmetros empregados no modelo por meio da
análise do erro de previsão.
Objetivo do Modelo
Coleta e Análise dos Dados
Seleção da Técnica de Previsão
Obtenção das Previsões
Monitoração do Modelo
Figura 2.4 – Etapas do Modelo de Previsão da Demanda
19
Neste capítulo foi apresentada uma abordagem sobre administração da produção e
a gestão da demanda. No próximo capítulo serão apresentados os objetivos da
modelagem de empresa e uma abordagem sobre ERP, CIMOSA, UML.
20
CAPÍTULO III
MODELAGEM DE EMPRESA E SISTEMA ERP
Neste capítulo serão abordados os conceitos de modelagem de empresa, e
apresentadas algumas técnicas de modelagem, destacando-se as linguagens
CIMOSA e UML. Também será apresentado uma breve descrição de características
de ERP.
3.1 INTRODUÇÃO
Uma empresa é um sistema complexo constituído de centenas de processos a
serem controlados e coordenados, milhares de ordens a serem executadas e
centenas de megabytes de dados a serem processados ou trocados. Para tratar
essa complexidade no projeto de empresas, torna-se necessário uma representação
desse sistema, ou seja, modelá-lo (VERNADAT, 1996).
Segundo Torres (2002) a modelagem de processos de negócios não deve ser mais
vista só como uma ferramenta de definir e delimitar o que fazer e entender sobre o
funcionamento das partes dos sistemas. O avanço das tecnologias permite, agora,
que os modelos sejam utilizados além dessas características. É importante que os
modelos venham a ser utilizados mais dinamicamente, através da interação com os
recursos computacionais e na recuperação de indicadores de desempenhos
posteriormente a sua simulação. Portanto, um aspecto dinâmico deve ser conferido
a esses modelos, quando, devido aos avanços tecnológicos, é possível de forma
interativa gestor-modelo alavancar o processo de decisão através de uma operação
em tempo real.
Segundo Shen et al. (2004) o processo de modelagem de empresa é uma parte
essencial para o desenvolvimento de um sistema de informação tendo vantagens e
desvantagens, onde afirma que não podemos nos limitar apenas ao tipo de visão de
empreendimento.
Muitos modelos diferentes podem ser feitos de um dado objeto, sendo que cada
modelo destaca certas características de um objeto e ignora outras. Para escolher o
melhor modelo para as suas finalidades, você terá de decidir quais características
21
que devem ser destacadas para atender essa finalidade (MCMENAMIN & PALMER,
1991 apud SANTOS 2001).
Para tratar a complexidade da empresa no seu projeto de integração deve-se utilizar
metodologias e linguagens adequadas para a modelagem e análise desses
sistemas. A experiência tem mostrado que o projeto e integração de empresa são
um empreendimento complexo e de alto risco e adquirir eficiência no projeto e
integração, novas metodologias, técnicas e ferramentas computacionais devem ser
utilizadas para tratar esta complexidade, além do uso de modelos de referência.
Modelos de referência significam modelos de empresas construídos por
fornecedores comerciais de sistemas ou por instituições de pesquisa acadêmica,
que podem ser facilmente adaptados a cada empresa em particular, isto é, com
menor esforço de projeto (CAMPOS, 1998). Alguns autores definem modelos
genéricos, parciais ou padrão de forma semelhante.
Torres (2002) aponta as limitações dos modelos de processos de negócios e a
necessidade de ser utilizado de forma mais flexível e dinâmica, que é definida como
a capacidade de os modelos recuperarem informações de forma instantânea e,
então, monitorar o desempenho organizacional através de sua interação com os
recursos organizacionais com o uso de novas tecnologias. Esses modelos
possibilitam à organização uma maior flexibilidade na forma de controlar os seus
negócios, pois uma alteração nos seus processos acarreta uma alteração no
desenho do modelo.
Um modelo de empresa geralmente consiste de vários modelos como modelos de
produtos, de recursos, de atividades, de informação, de organização, modelos
econômicos, e estruturas de decisão, sendo que para seu desenvolvimento são
necessárias técnicas e ferramentas de suporte (CAMPOS, 1998).
Segundo Vernadat (1996), a modelagem de empresas está relacionada com
respostas às questões como: “o que”, “como”, “quando”, “quem”, e “onde” da
empresa. O “o que” refere-se às operações e objetos processados pela empresa.
“Como” refere-se à definição do comportamento da empresa, ou a maneira como as
coisas são feitas. O “quando” fornece a noção de tempo e está associado aos
22
eventos representando mudanças no estado da empresa. O “quem” refere-se aos
recursos ou agentes da empresa. Os aspectos “quanto” (por exemplo – aspectos
econômicos) e “onde” (logísticos) também são importantes aspectos a serem
considerados.
Algumas estruturas, arquiteturas e metodologias têm sido recentemente propostas
para a modelagem e integração de empresas. Estas propostas são originadas de
consórcios privados, grandes programas governamentais, através de institutos de
pesquisa, ou entidades de padronização (VERNADAT, 1996).
Segundo Vernadat (1996), dentre os trabalhos em busca de melhores estruturas de
modelagem de empresa podemos destacar:
1. ISO- Tem como objetivo proporcionar estrutura conceitual para a compreensão
da manufatura de peças discretas, e ser usado para identificar áreas de
padronização necessárias para integrar sistemas de manufaturas. É estruturado
em três submodelos: CAD, SFPM e GAM.
2. CEN ENV 40 003- Determina uma estrutura para atividades de padronização
futura na área de modelagem de empresas CIM CEN 1190
3. CIMOSA- Tem por objetivo ajudar companhias a gerenciar mudanças e integrar
seus recursos e operações para fazer face à competição mundial e competir em
preço, qualidade e tempo de entrega. A base para chegar à isso é um modelo de
empresa integrada.
4. GIM- Uma metodologia para análise e projeto conceitual de sistemas de
manufatura. GIM tem sua origem no GRAI. Na raiz de ambas está um modelo
conceitual GRAI. O modelo diz que qualquer empresa é feito de três
fundamentais sub-sistemas: um Sistema Físico, um Sistema de Informação, e um
Sistema de Decisão. GRAI adiciona um Sistema de Operação.
5. PERA- Sua metodologia tem sido desenvolvida com base em trabalhos
anteriores na área CIM. É projetada para usuários não educados em ciência da
computação. Tem mostrado sua capacidade de ser estendido a vários setores da
indústria, sendo a primeira arquitetura que considera o fator humano
completamente (SHEN et al., 2004).
23
6. ARIS- Sua estrutura é muito similar à CIMOSA. O foco é essencialmente em
engenharia de softwares e aspectos organizacionais no projeto de integração de
sistemas de empresas.
7. GERAM- É construído basicamente através de resultados CIMOSA, GIM e
PERA, e após completo será submetido aos organismos de padronização
internacionais.
Vernadat (1996), concluiu que dentre as várias metodologias comparadas, CIMOSA
é a mais completa, mas que não existe e dificilmente, existirá uma metodologia que
suporte todas as necessidades de modelagem. Ele propõe que uma metodologia
deve descrever as características essenciais da empresa e não necessariamente de
forma detalhada. Cabe lembrar que uma metodologia é um conjunto de métodos,
formalismos e ferramentas para serem usados de modo estruturado para resolver
um problema. Um método é organizado em fases metodológicas e uma fase pode
ser organizada em tarefas.
Mas antes se torna necessário definir melhor o que é o termo arquitetura e o que
seriam arquiteturas de referência.
O termo Arquitetura refere-se a um conjunto organizado de elementos com claras
relações entre um e outro, os quais juntos formam um todo, definido para uma
finalidade. E Arquiteturas de Referência são paradigmas intelectuais os quais
facilitam a análise, discussão e especificação de uma dada área ou assunto. Ela
fornece um modo de ver, conceber e falar sobre uma questão (VERNADAT, 1996).
3.2 CIMOSA
Segundo Dalmoro (2003) a Arquitetura de Sistema Aberto para Manufatura
Integrada de Computador (CIMOSA) visa o desenvolvimento de uma arquitetura de
referência aberta para a definição, especificação e implementação de sistemas CIM.
Esta foi desenvolvida por um consórcio denominado AMICE e a documentação
completa está disponível em seu documento formal de referência, publicado em
1996. As definições apresentadas por CIMOSA serviriam de base para o
desenvolvimento de outras arquiteturas e métodos de trabalho.
24
Segundo Kosanke (1995), a arquitetura CIMOSA (CIM Open System Architeture)
constitui-se em um dos principais esforços no sentido de proporcionar uma
arquitetura para modelagem, análise e projeto de sistema CIM (Computer Integrated
Manufacturing). A arquitetura CIMOSA possibilita a obtenção de um modelo de
empresa integrado, o qual captura e estrutura as características essenciais da
empresa, além de fornecer condições para uma infra-estrutura que suporte a
integração das operações da empresa. Recentemente, ela tem sido estendida à
modelagem de toda a empresa e contribui fortemente nos trabalhos de padronização
de organismos internacionais.
Segundo CIMOSA Association (1996), apud Santos (2001), CIMOSA é composta de
três componentes principais:
� Estrutura de Modelagem de Empresa;
� Infra-estrutura de integração; e
� Ciclo de vida do Sistema da Empresa.
3.2.1 A ARQUITETURA CIMOSA
A Arquitetura CIMOSA desenvolveu-se como uma série de projetos ESPRIT (EP
688, EP 5288, e EP 7110) financiados pelo Comitê Europeu e parceiros de projetos
reunindo fornecedores CIM, grandes usuários e centros de pesquisa. Outros projetos
ESPRIT também têm contribuído com CIMOSA testando e validando princípios de
CIMOSA, como VOICE (EP 6682), CIMPRESS (EP 5532) e CODE (EP5499)
(KOSANKE, 1995). O objetivo de CIMOSA é ajudar companhias a gerenciar
mudanças e integrar seus recursos e operações para fazer face a competição
mundial em preço, qualidade e tempo de entrega. A base para chegar a isso é um
modelo de empresa integrada baseado em sistemas abertos.
CIMOSA tem promovido o termo “processo de negócio” (business process) e
introduzido a análise baseada em processos para a modelagem e integração de
empresas, ultrapassando os limites da organização, oposto à análise baseada em
funções ou atividades. De grande importância, CIMOSA introduz a idéia de
arquitetura de sistemas abertos para empresas CIM, constituída de módulos de
sistemas CIM baseados em padrões, descritos em termos de aspectos funcionais,
de informação, de recursos e aspectos organizacionais, projetados de acordo com
25
um método estruturado de engenharia. Assim, produtos baseados na arquitetura
CIMOSA são compatíveis entre si, independente do fornecedor, e podem ser
conectados segundo as necessidades dos usuários e os quais podem ser
conectados em uma arquitetura consistente, modular e evolucionária para uso
operacional (plug and play approach). CIMOSA também tem consolidado e provado
a validade do método para integração de empresas baseado em modelos (AGUIAR,
1995)
Uma das contribuições importantes de CIMOSA é a definição da infra-estrutura de
integração genérica, necessária para a implementação de Programas de Integração
de Empresa (BERNUS et. al, 1995).
Comparando com outros métodos de modelagem e integração CIM, as principais
vantagens de CIMOSA são:
� Cobre adequadamente os aspectos funcionais e comportamentais de sistemas
CIM;
� Suporta a descrição da especificação de projeto e implementação do sistema de
acordo com os requisitos de usuários (processo de derivação);
� Restringe o número de blocos de construções possíveis forçando vendedores
fornecer componentes padrões;
� Está em linha com os padrões internacionais em desenvolvimento para CIM
(STEP, OSI, MAP, ENV 12 204). (VERNADAT, 1996)
Segundo Berio & Vernadat (1999), CIMOSA provê quatros modos para
sincronização de processo:
� Sincronização através de eventos;
� Sincronização por disponibilidade de objeto;
� Sincronização através de disponibilidade de recursos;
� Sincronização de transcurso de mensagem.
Normalmente são implementados mecanismos de comunicação ao nível de
atividade de processos. Em CIMOSA, ambas as comunicações síncronas ou
assíncronas entre atividades são permitidas. No capítulo IV são apresentados
alguns modelos baseados em CIMOSA.
26
Ainda, segundo Vernadat (1996), CIMOSA fornece:
� O princípio de economia de esforço de projeto, através de seu processo de
particularização (do genérico ao particular, conforme cubo CIMOSA) e da
reutilização de modelos parciais através de uma biblioteca de modelos parciais
na arquitetura de referência (por exemplo fornecidos por fornecedores CIM);
� O princípio de módulos padrões com representação uniforme de dados e funções
como também interfaces padrões para simples conexões (sistema “plug and
play”) por meio de uma plataforma de integração interoperável, chamada de
Infraestrutura de Integração CIMOSA;
� O princípio de modelagem de toda a empresa por meio de quatro vistas
integradas;
� O princípio de integração baseada em modelos por meio de um modelo de
implementação executável;
� CIMOSA proporciona um método de modelagem que satisfaz os princípios de
generalidade, reusabilidade, decomposição funcional, separação de
funcionalidade e comportamento, separação de processos e recursos, e
conformidade, todos juntos.
Enquanto que CIMOSA é considerada a metodologia de modelagem de empresas
mais completa, a linguagem UML é a linguagem mais utilizada atualmente na
modelagem de sistema de software.
3.3 UML – UNIFIED MODELING LANGUAGE
É uma linguagem gráfica para visualização, especificação, construção e
documentação de artefatos de sistemas complexos de software e proporciona uma
forma padrão para a preparação de arquitetura de projeto de sistemas, incluindo
aspectos conceituais tais como processo de negócios e funções do sistema, além de
itens concretos como classes escritas em determinada linguagem de programação,
esquemas de bancos de dados e componentes de software reutilizáveis (BOOCH et
al., 2000).
Segundo Kim et al. (2003), a UML tornou-se rapidamente um padrão de fato para a
engenharia de software. Ela fornece um conjunto de notações para modelagem
27
projetadas para suportar especificidades de domínios e ciclos de vidas envolvidas na
engenharia de softwares orientados a objetos.
Para Torres (2002), a UML possui diversos diagramas como de atividades, de “Use
Cases” (ou casos de uso), de colaboração, de seqüência, de estado, de classe, de
objeto, de componentes e desdobramento. Foi lançada por Grady Booch e Jim
Rambaugh (DEREK, 1997 apud TORRES, 2002) na OOPSLA’ 95, organizada pela
Rational Software Corporation, com o nome de Método Unificado. Em 1996, esse
método foi renomeado para UML. No início de 1997, a UML foi submetida pela OMG
para padronização, e tem sido endossada por várias empresas de software.
Segundo Furlan (1998) apud Santos (2001), a UML pode ser usada para:
� Mostrar as fronteiras de um sistema e suas funções principais utilizando atores e
casos de uso;
� Ilustrar a realização de casos de uso como diagramas de interação;
� Representar uma estrutura estática de um sistema utilizando diagramas de
classe;
� Modelar o comportamento de objetos como diagrama de transição de estado;
� Revelar a arquitetura de implementação física com diagrama de componente e
de implementação;
� Estender sua funcionalidade através de estereótipos.
A UML propõe, também, o diagrama de componentes. O diagrama de componentes
é um gráfico de componentes conectados pelos relacionamentos de dependências
em que podem ser associados a outros por retenção física que representa
relacionamentos de composição. Um diagrama de componentes mostra as
dependências entre componentes de software (TORRES, 2002).
No capítulo IV são apresentados exemplos de alguns diagramas em UML.
A modelagem de empresa ou de sistema de informação pode servir de base para o
desenvolvimento e implantação de processos de negócios e sistemas ERP.
28
3.4 MRP II E ERP
O ERP (Enterprise Resource Planning) é um sistema de informações que suporta
todas as áreas de uma empresa. O conceito onde se apoiam os sistemas MRP II
nasceu do que hoje é conhecido como módulo MRP – o cálculo de necessidade de
materiais. A partir daí, são agregados os módulos de programação – mestre de
produção (MPS), cálculo grosseiro de necessidade de capacidade (RCCP), cálculo
detalhado de necessidade de capacidade (CRP), controle de fábrica (SFC), controle
de compras (PVR) e, mais recentemente Sales & Operations Planning (S&OP). O
sistema, então, deixou de atender apenas as necessidades de informação referente
ao cálculo de necessidade de materiais para atender às necessidades de
informação para a tomada de decisão gerencial sobre outros recursos de
manufatura. O MRP passou a merecer, então, a denominação de MRP II, passando
a significar sistema de planejamento de recursos de manufatura.
29
Na figura 3.1 podemos identificar três grandes blocos dentro do sistema MRP II
(CORRÊA et al., 2001):
Figura 3.1 – Sistema MRPII (adaptado de CORRÊA et al., 2001)
30
• O comando – composto pelos níveis mais altos de planejamento (S&OP, Gestão
de Demanda e MPS/RCCP) que é responsável por “dirigir” a empresa e sua
atuação no mercado. É principalmente neste bloco que recai a responsabilidade
pelo desempenho competitivo da empresa, sendo portanto um nível de decisão
de alta direção;
• O motor – composto pelo nível mais baixo de planejamento (MRP/CRP),
responsável por desagregar as decisões tomadas no bloco de “comando”,
gerando decisões desagregadas nos níveis requeridos pela execução, ou seja, o
que, quanto e quando produzir e/ou comprar, além das decisões referentes a
gestão da capacidade de curto prazo;
• As rodas – compostas pelos módulos ou funções de execução e controle
(Compras e SFC), responsáveis por apoiar a execução detalhada daquilo que foi
determinado pelo bloco anterior, assim como controlar o cumprimento do
planejamento, realimentando todo processo.
Conforme Corrêa et al. (2001) os aspectos mais importantes que devem ser
considerados na implantação de sistemas MRPII:
• O comprometimento da alta direção – a implantação de um sistema de porte do
MRP II só terá chance de sucesso se a alta direção da empresa estiver
comprometida com seus resultados;
• A educação e o treinamento – sem dúvida, os principais responsáveis pelas
implantações de sucesso, a educação com conceitos de MRP II, utilizando-se as
mais modernas ferramentas, e o treinamento no uso do sistema devem ser
extensivos a todos os usuários diretos e indiretos do sistema, em todos os níveis,
e feito desde a etapa de escolha do sistema para implantação e até o uso
regular;
• A escolha adequada de sistema, hardware e software – embora não garantam o
sucesso da implantação, escolhas adequadas podem prevenir problemas futuros,
já que estas decisões são difíceis de reverter. Infelizmente a maioria das
empresas coloca um peso excessivamente grande sobre estas decisões, em
função do volume dos investimentos necessários, reservando pouca atenção
para os demais aspectos, normalmente mais importantes;
• A acurácia dos dados de entrada – o MRP II depende visceralmente de uma
base de dados acurada e atualizada. Começar a utilizar o MRP II antes de atingir
31
os níveis requeridos de acurácia de dados é assumir um risco grande de
desacreditar o sistema rapidamente junto a seus usuários, o que é a maneira
mais fácil de chegarmos ao fracasso de implantação. O esforço de conseguirmos
os níveis desejados de acuidade de dados pode demandar um longo e
trabalhoso processo de mudanças de rotinas e procedimentos, o que nem
sempre é fácil ou barato. Mas é condição essencial para conseguirmos obter as
potenciais vantagens que o sistema pode oferecer;
• O gerenciamento adequado da implantação – o gerenciamento da implantação
deve ser feito de forma criteriosa, cuidadosa e coordenada, conforme a melhor
técnica de gestão de projetos, tomando-se o cuidado de envolver todas as
pessoas que terão contato com o sistema (quer seja como usuários quer seja
como operadores) desde as primeiras etapas do processo. A equipe de
implantação deve contar com a participação de pessoas provenientes de todas
as funções envolvidas; elas devem ser pessoas que tenham bom trânsito e
influência em seus setores de origem e, se possível, devem dedicar-se ao projeto
de implantação em tempo integral. Não devemos nunca esquecer os aspectos
humanos numa implantação de MRP II. Em última análise, seu sucesso ou
insucesso é uma função direta de como as pessoas o aceitam e lidam com ele.
Hoje, segundo Corrêa et al (2001), um grande número de empresas de porte médio
a grande, no Brasil e no exterior, têm grandes expectativas quando na implantação
dos ERPs, podendo-se citar:
• Que disponibilizem a informação certa e boa na hora certa, nos pontos de
tomada de decisão gerencial, ao longo de todo o empreendimento,
principalmente em termos do fluxo logístico;
• Que forneçam os meios para uma perfeita integração entre os setores da
organização, por meio do compartilhamento de bases de dados únicas e não
redundantes, nas quais cada elemento de dado esteja em um e apenas um
local;
• Que forneçam os meios para que se deixe de gastar esforço gerencial e
operacional nas interfaces entre sistemas de informações que não conversam
entre si;
• Que tornem o processo de planejamento operacional mais transparente,
estruturado e com responsabilidades mais definidas;
32
• Em última análise, que apóiem a empresa nos seus esforços de melhoria de
desempenho operacional para que melhor possa se sair, frente aos concorrentes,
no atendimento aos clientes.
Corrêa et al. (2001) apresenta diferentes módulos hoje disponíveis na maioria dos
“ERPs” (figura 3.2). Um detalhamento das funções suportadas por ERPs é
apresentado no Anexo II.
Figura 3.2 Estrutura Conceitual dos Sistemas ERP (Adaptado de Corrêa et. Al., 2001).
Segundo Corrêa et al.(2001), a implantação de sistema ERP deve ser gerenciada
por pessoas que entendem de mudança organizacional e de negócio, deve ser feita
por pessoal interno da própria empresa, possivelmente facilitando em situações
pontuais por capacitação externa (desde que haja uma preocupação explícita de
incorporar a capacitação aportada ao acervo permanente da empresa), deve contar
com o comprometimento da alta direção, deve ter uma visão clara e compartilhada
de situação futura, enfim, todos os aspectos que, já se sabe há muito tempo, devem
estar presentes em projetos de mudanças organizacionais relevantes.
33
Neste capítulo a revisão bibliográfica possibilitou uma abordagem sobre modelagem
de empresas e de sistemas de informação, vista como uma ferramenta para o
projeto e desenvolvimento de ERPs.
No capítulo seguinte são apresentados os modelos de referência proposto por
Santos (2001).
34
CAPÍTULO IV
MODELO DE REFERÊNCIA SEGUNDO SANTOS (2001)
Neste capítulo descreveremos as principais partes do Modelo de Empresa e do
Modelo de Informação proposto por Santos (2001) a ser usados como referência
para implantação de um sistema particular em uma indústria de auto peças.
4.1 INTRODUÇÃO
Os modelos de referência obtidos são elaborados seguindo uma seqüência de
desenvolvimento, que visa integrar os conceitos de modelagem CIMOSA e UML,
conforme descrição a seguir. Observa-se que o modelo de descrição de
implementação não foi considerado por Santos (2001) pois não foi realizada a
implementação na prática do modelo, no trabalho anterior. A seguir descreve-se
resumidamente os procedimentos adotados para o desenvolvimento do modelo de
empresa e modelo de informação.
4.1.1 PROCEDIMENTO PARA O MODELO DE EMPRESA
Para Santos (2001) a obtenção do modelo de referência do processo de previsão de
demanda utiliza uma seqüência de desenvolvimento, baseado nas duas primeiras
fases do Processo de Modelagem CIMOSA, organizados em duas fases (utiliza a
linguagem CIMOSA). A primeira fase, de criação do Modelo de Definição dos
Requisitos- MDR, consiste basicamente no levantamento dos requisitos e
informações básicas do processo de previsão, resultando em um desenho não
detalhado desses processos. Na segunda fase, o modelo de Especificação de
Projeto – MEP, consiste no detalhamento dos modelos e respectivos gabaritos.
Nestes modelos o principal enfoque é dado aos aspectos de função e informação do
processo de previsão de demanda. Os objetivos de modelagem são descritos a
seguir.
4.1.1.1 MODELAGEM DE DEFINIÇÃO DE REQUISITOS- MDR
• Identificar e definir o domínio do trabalho – Domínio CIMOSA (DMi);
• Definir os processos elementares de cada domínio – Processos de Domínio
CIMOSA (PDi);
35
• Definir as atividades que compõem cada processo de domínio – Atividades de
Empresa CIMOSA (AEi);
• Estabelecer as informações de entrada e de saída para cada atividade de
empresa – Vista de Objetos CIMOSA (VOi).
4.1.1.2 MODELAGEM E ESPECIFICAÇÃO DE PROJETO – MEP
• Detalhar e projetar os Domínios;
• Detalhar e Projetar os processos de Domínio;
• Detalhar e projetar as Atividades de Empresa;
• Detalhar e projetar as Vistas de Objetos;
4.1.2 PROCEDIMENTO PARA MODELO DE SISTEMA DE INFORMAÇÃO
Utilizou-se diagramas da linguagem UML nas seguintes fases:
• A partir do modelo de Empresa, deve-se encontrar e descrever ações que
produzam resultados de valor para o sistema (Casos de Uso) e quem realça
cada ação (Ator) – resultou no Diagrama de Casos de Uso;
• Baseado na descrição de casos de uso (UML), descrição das atividades de
empresa e vistas de objetos (CIMOSA), definir as classes de objetos e os
relacionamentos existentes entre as classes – resultou no Diagrama de Classes;
• Representar como cada caso de uso deverá ser realizado no sistema,
especificando, o ator que realiza a ação, a seqüência de operações necessárias
para realizações da ação e que classes de objetos participam – resultou no
Diagrama de Seqüência.
No desenvolvimento e documentação dos modelos apresentados por Santos (2001)
são utilizadas ferramentas computacionais de suporte também chamadas
ferramentas CASE, que proporcionam um ambiente de modelagem dinâmico,
simplificado e padronizado. Na modelagem de processos de previsão de demanda
foi utilizado software CIMTOOL e na modelagem do sistema de informação foi
utilizado o software Rational Rose.
36
4.2 MODELO DE DEFINIÇÃO DE REQUISITOS – MDR
CIMOSA estabelece que o processo de modelagem inicia com o Modelo de
Definição de Requisitos, onde o primeiro passo é determinar os domínios e
processos de domínios.
A figura 4.1 demonstra a relação entre os domínios Marketing/Vendas, Previsão de
Demanda e PCP (Planejamento e Controle de Produção). Neste exemplo, o setor de
Marketing e Vendas fornece informações para a realização da previsão de demanda.
As informações relativas à previsão são então enviadas para o domínio de PCP.
A previsão de demanda é o domínio que se está analisando (DM1 – Previsão de
Demanda), ou área funcional da empresa, porém este possui interação com outros
domínios. Os domínios que não serão modelados neste trabalho estão marcados
com linha dupla, conforme figura 4.1.
Para um domínio devem ser identificados os processos que o compõem. Os
processos de domínio (PDi) devem ser destacados quando o resultado de sua
execução alimenta outro processo dentro do domínio.
DDMM22 –– PPCCPP
- Controle da Produção
- Planejamento Agregado
- Planejamento Mestre - Planejamento das
Necessidades de Materiais - M.R.P.
- Programação da Produção
DDMM33 –– VVEENNDDAASS// MMAARRKKEETTIINNGG//
- Recebimento de
Pedidos - Pesquisa de
Mercado - ….
DDMM11 –– PPRREEVVIISSÃÃOO DDEE DDEEMMAANNDDAA
- Projeto Previsão
- Dados de Demanda - Previsão de
Demanda - Monitorar Erro
Figura 4.1 - Principais Domínios e Relacionamentos de Domínios identificados.
37
Ao analisar as principais questões e atividades que envolvem a previsão de
demanda, foram encontrados 4 processos elementares que são: o Projeto do
Processo de Previsão (PD1), o Registro de Dados de Demanda (PD2), a realização
da previsão de Demanda (PD3) e o Monitoramento dos Erros (PD4), cuja interação é
representada na figura abaixo:
Na figura 4.2 as setas representam eventos de entrada e saída para cada processo
de domínio. Assim, a partir da solicitação de um novo projeto de previsão (EV-
Req_Projeto_Previsão), tem início o processo do projeto de previsão (PD1-
Projetar_Previsão). A cada pedido de produtos (EV-Pedido_Produtos), o processo
dados de demanda (PD2-Dados_Demanda) é acionado para atualizar a demanda de
cada produto pedido. A requisição de previsão de demanda (EV-
Req_Previsão_Demanda) inicia o processo de previsão de demanda (PD3-
Previsão_Demanda), que define a previsão. Periodicamente um evento (EV-
PD2 –
PD3 –
PD4 –
EV-Pedido_Produtos
EV-Periódico
EV-Req_Previsão_Demanda
PD1 –
EV-Req_Projeto_Previsão
EV-Projeto_Previsão
EV-Dados_Demanda
EV- Previsão_Definida
EV-Rever_Projeto
EV-Rever_Previsão
Figura 4.2 - Coordenação dos Processos.
38
Periódico) inicia o processo de monitoramento do erro de previsão (PD4-
Monitorar_Erro), e o resultado desse processo pode ser ou um evento de solicitação
de revisão do projeto (EV-Rever_Projeto) ou um evento para revisão da previsão
(EV-Rever_Previsão).
Em cada processo de domínio faz-se uma análise comportamental, buscando
identificar através da decomposição funcional dos processos do negócio as
operações que definem a estrutura do processo, reunindo as atividades de empresa
(AEi) que fazem parte de cada processo. O MEP é um detalhamento do MDR e por
isto é suficiente apresentar o MEP (modelos e gabaritos).
PD1 – Projetar_Previsão (Figuras 4.3 e 4.4) (Gabarito 1)
AE1 – Analisar_Objetivos
AE2 – Definir_Características
AE3 – Identificar_Fator_Influência
AE4 – Ajustar_Dados
AE5 – Selecionar_Modelos
AE6 – Documentar_Participantes
AE7- Liberar_Processo
PD2 – Dados_Demanda (Figuras 4.5 e 4.6) (Gabarito 2)
AE8 – Registrar_Dados
PD3 – Previsão_Demanda (Figuras 4.7 e 4.8) (Gabarito 3)
AE9 – Analisar_Previsão
AE4 – Ajustar_Dados
AE10 – Gerar_Cenários
AE11 – Revisão_Gerencial
AE12 – Apresentar_Previsão
PD3 – Monitorar_Erro (Figuras 4.9 e 4.10) (Gabarito 4)
AE4 – Ajustar_Dados
AE13 – Calcular_Erro
AE14 – Analisar_Erro
39
Em seguida é feita uma análise operacional de cada processo, para definir as
entradas, as saídas e o estado final de todas as atividades. No modelo as entradas e
as saídas da atividade são definidas por vistas de objetos (VOi), que são mostrados
na seção seguinte.
Enfim, cada item do modelo identificado (construtores da linguagem), Domínio,
Processo de Domínio, Atividades de Empresa, Vista de Objetos são representados
de forma textual em gabaritos explicativos, sendo detalhados ao longo do processo
de modelagem conforme necessidade.
Para finalizar a modelagem de definição de requisitos, deve-se fazer uma verificação
de consistência desse modelo. Os modelos e respectivos gabaritos resultantes
dessa fase de modelagem são apresentados e detalhados na seção seguinte.
4.3 MODELAGEM DA ESPECIFICAÇÃO DE PROJETO – MEP
Inicialmente faz-se uma revisão do Modelo de Definição de Requisitos para
identificar redundâncias e consolidar o modelo obtido na fase anterior da
modelagem, passando a seguir para a definição do comportamento, regras e
alternativas. Nesta fase cada detalhe identificado em um construtor (Processo de
Domínio, Atividade de Empresa, Vista de Objeto) é descrito detalhadamente num
gabarito correspondente. Alguns construtores também possuem representação
gráfica.
A seguir serão demonstrados os gabaritos dos processos identificados na fase MDR
e detalhados nesta fase, assim como a representação gráfica de alguns
construtores.
4.3.1 PROCESSO PROJETAR PREVISÃO
O Gabarito 1 representa a descrição detalhada do processo de domínio Projetar
Previsão (PD1 – Projetar_Previsão) e demonstra por exemplo, a descrição do
processo, o procedimento e a relação de atividades do processo.
40
A representação gráfica do processo é dada pela figura 4.3, que permite visualizar
as atividades que compõem o processo do Projeto de Previsão e o estado final de
cada atividade.
DOMAIN PROCESS Name: Projetar_Previsao Identifier: PD1- Projetar_Previsao Type: Previsão Design Authority: Luciana Rocha OBJECTIVES: Projetar ou reprojetar o Processo de Previsão de Demanda, conforme solicitado pelos usuários da empresa. CONSTRAINTS:
DESCRIPTION:
O Projeto de Processo de Previsão (PD1-Projetar_Previsão) determina os procedimentos necessários para a realização da previsão de demanda de um determinado produto (ou família de produto), conforme requerido (EV-Req_Projeto_Previsão ou EV-Rever_Projeto_Previsão) por gerentes da empresa. O processo inicia com a análise dos objetivos da previsão, passando pela definição de suas características, ajuste de dados da demanda, identificação de fatores de influências, seleção de modelos matemáticos, documentação dos modelos e termina com a sua liberação e apresentação a todos os participantes. A documentação do modelo consiste na representação dos procedimentos, responsabilidades e regras que orientam os processos que compõem a previsão (PD2-Dados_Demanda, PD3-Previsão_Demanda, PD4-Monitor_Erro). O projeto deve ser realizado por um especialista em previsão (analista de previsão), com aprovação final dos gerentes das unidades que solicitaram e usarão a previsão. Este processo também pode ser realizado, se após monitoramento dos erros de previsão (PD4-Monitorar_Erro) for identificado a necessidade de alterações no projeto do processo de previsão (EV_Rever_Projeto).
Event: EV_Req_Projeto_Previsao EV_Rever_Projeto PROCEDURE:
Start = Analisar_Objetivos
Analisar_Objetivos ObjetivosAnalisados Definir_Caracteristicas
Definir_Caracteristicas CaracteristicasDefinidas Identicar_Fator_Influencia
Identicar_Fator_Influencia FatoresIdentificados Ajustar_Dados
Ajustar_Dados DadosAjustados Selecionar_Modelos
Selecionar_Modelos ModelosSelecionados Documentar_Participantes
Documentar_Participantes ModeloParticular Liberar_Processo
Liberar_Processo ProcessoLiberado Finish
Liberar_Processo ReverProjeto Analisar_Objetivos COMPONENTS: Analisar_Objetivos Definir_Caracteristicas Fator_Influencia Ajustar_Dados Selecionar_Modelos Documentar_Participantes Liberar_Processo
Gabarito 1 - Processo PD1-Projetar_Previsão.
41
Start
Analisar_Objetivos
Definir_Caracteristicas
Identicar_Fator_Influencia
Ajustar_Dados
Selecionar_Modelos
Documentar_Participantes
Liberar_Processo
Finish
ObjetivosAnalisados
CaracteristicasDefinidas
FatoresIdentificados
DadosAjustados
ModelosSelecionados
ModeloParticular
ProcessoLiberado
ReverProjeto
Na figura 4.4 são representadas cada atividade do processo Projetar Previsão,
mostrando os componentes de entrada e saída representados pelas vistas de
objetos.
Figura 4.3 - Processo PD1-Projetar_Previsão
42
Analisar_ObjetivosVO_Historico_PrevisaoVO_Requisicao_Projeto
VO_Analista_Previsao
VO_Objetivos_Previsao
ES ObjetivosAnalisados
Definir_CaracteristicasVO_Historico_PrevisaoVO_Objetivos_Previsao
VO_Analista_Previsao
VO_Caracteristicas_Previsao
ES CaracteristicasDefinidas
VO_Sistema_Computacional
Liberar_ProcessoVO_Modelo_Particular
VO_Caracteristicas_PrevisaoVO_Objetivos_Previsao
VO_Gerente
VO_Projeto_Processo
ES ProcessoLiberado
VO_Sistema_Computacional
ES Rever_Projeto
Identicar_Fator_InfluenciaVO_Fatores_InfluenciaVO_Historico_Previsao
VO_Objetivos_Previsao
VO_Analista_Previsao
VO_Fatores_Influ_Demanda
VO_Sistema_Computacional
VO_Caracteristicas_Previsao ES FatoresIdentificados
Ajustar_DadosVO_Dados_DemandaVO_Fatores_Influ_Demanda
VO_Caracteristicas_PrevisaoVO_Objetivos_Previsao
VO_Analista_Previsao
VO_Ajuste_Dados
ES DadosAjustados
VO_Sistema_Computacional
Documentar_ParticipantesVO_Informacoes_PrevisaoVO_Modelos_ReferenciaVO_Participantes
VO_Objetivos_Previsao
VO_Modelo_Particular
ES ModeloParticular
VO_Sistema_ComputacionalVO_Grupo_Gerentes
VO_Caracteristicas_Previsao
Selecionar_Modelos
VO_Ajuste_Dados
VO_Biblioteca_ModelosVO_Dados_Demanda
VO_Objetivos_Previsao
VO_Modelos_Erros
VO_Modelos_Previsao
ES ModelosSelecionados
VO_Sistema_Computacional
VO_Analista_Previsao
Figura 4.4 - Atividades com respectivas entradas e saídas (Vistas de Objetos) do Processo PD1-
Projetar_Previsão.
43
4.3.2 PROCESSO DADOS DE DEMANDA
Assim como no processo Projetar Previsão, o Gabarito 2 representa a descrição
detalhada do processo de domínio Dados de Demanda (PD2-Dados_Demanda).
A figura 4.5 representa o processo Dados de Demanda, demonstrando que este é
formado de uma atividade única, registro de dados, cujo estado final será demanda
registrada.
Start
Registrar_Dados
Finish
DemandaRegistrada
DOMAIN PROCESS Name: Dados_Demanda Identifier: PD2- Dados_Demanda Type: Design Authority: Luciana Rocha OBJECTIVES: Este processo visa registrar informações referentes aos pedidos dos produtos realizados pelos clientes. CONSTRAINTS: DESCRIPTION: Todos os pedidos de produtos realizados pelo mercado (EV-Pedido_Produtos), independentes de serem atendidos ou não, devem ser registrados no banco de dados do sistema de previsão. Event: Ev-Pedido_Produtos PROCEDURE:
Start = Registrar_Dados
Registrar_Dados DemandaRegistrada Finish COMPONENTS: Registrar_Dados
Gabarito 2 - PD2-Dados_Demanda.
Figura 4.5 - Processo PD2-Dados_Demanda.
44
Abaixo a figura 4.6 representa os componentes da atividade Registrar Dados.
4.3.3 PROCESSO PREVISÃO DE DEMANDA
O processo de domínio Previsão de Demanda é descrito no Gabarito 3, apresentado
abaixo:
Registrar_DadosVO_Pedido_Produtos
VO-Sistema_Computacional
VO_Dados_Demanda
ES DemandaRegistrada
Figura 4.6 - Atividades com respectivas entradas e saídas (Vistas de Objetos) do Processo PD2-
Dados_Demanda.
DOMAIN PROCESS Name: Previsao_Demanda Identifier: PD3- Previsao_Demanda Type: Design Authority: Luciana Rocha OBJECTIVES: Realizar a previsão de demanda de produtos conforme definido no projeto do processo. CONSTRAINTS: DESCRIPTION: O Processo de Previsão de Demanda consiste em realizar a previsão de demanda pelo analista de previsão e demais participantes, utilizando-se o sistema de informação de auxílio à previsão. Este processo é realizado de forma automática pelo sistema de previsão, após o projeto (ou reprojeto) do processo de previsão, e posteriormente de forma periódica. Este processo inicia com uma análise da requisição de previsão, passando pelo ajuste dos dados de demanda, definição de previsões baseadas em modelos matemáticos e possíveis cenários. Então é feita uma revisão gerencial e após a apresentação dos resultados finais do processo de previsão aos seus usuários. Event: EV-Req_Previsao_Demanda EV-Rever_Previsao PROCEDURE:
Start = Analisar_Requisicao
Analisar_Requisicao RequisicaoAnalisada Ajustar_Dados
Ajustar_Dados DadosAjustados Gerar_Cenarios
Gerar_Cenarios CenariosGerados Revisao_Gerencial
Revisao_Gerencial RevisãoRealizada Apresentar_Previsao
Revisao_Gerencial NovoCenario Gerar_Cenarios
Apresentar_Previsao Fim-Previsao Finish COMPONENTS: Analisar_Requisicao Ajustar_Dados Gerar_Cenarios Revisao_Gerencial Apresentar_Previsao
Gabarito 3 - Processo PD3-Previsão_Demanda.
45
A figura 4.7 representa as atividades do processo Previsão de Demanda com seus
respectivos estados finais.
Na figura 4.8 estão representadas todas as atividades do processo Previsão de
Demanda e suas respectivas vistas de objetos, exceto o modelo da atividade
“Ajustar_Dados” que é o mesmo apresentado na figura 4.4.
Start
Analisar_Requisicao
Ajustar_Dados
Gerar_Cenarios
Revisao_Gerencial
Apresentar_Previsao
Finish
RequisicaoAnalisada
DadosAjustados
CenariosGerados
RevisãoRealizada
NovoCenario
Fim-Previsao
Figura 4.7 - Processo PD3-Previsão_Demanda.
46
Analisar_RequisicaoVO_Historico_PrevisaoVO_Requisicao_Previsao
VO_Caracteristicas_PrevisaoVO_Modelo_ParticularVO_Objetivos_Previsao
VO_Analista_Previsao
VO_Requisicao_Analisada
ES RequisicaoAnalisada
VO_Sistema_Computacional
Gerar_Cenarios
VO_Dados_DemandaVO_Ajuste_DadosVO_Fatores_Influ_Demanda
1 VO_MODELOS_PREVISAO
VO_Requisicao_Analisada
VO_Caracteristicas_Previsao
VO_Analista_Previsao
VO_Cenarios
ES CenariosGerados
VO_Sistema_Computacional
VO_Caracteristicas_Previsao
Revisao_Gerencial
VO_CenariosVO_Fatores_Influ_DemandaVO_Historico_PrevisaoVO_MetasVO_Previsoes
VO_Grupo_Gerentes
VO_Metas_Revisadas
VO_Previsao_Final
VO_Req_Novos_Cenarios
ES RevisaoRealizada
ES NovoCenarioVO_Caracteristicas_Previsao
VO_Sistema_Computacional
VO_Objetivos_Previsao
Apresentar_PrevisaoVO_Previsao_Final
VO_Grupo_Gerentes
VO_Previsao_Apresentada
ES Fim-Previsao
VO_Sistema_Computacional
Figura 4.8 - Atividades com respectivas entradas e saídas (Vistas de Objetos) do Processo PD3-
Previsão_Demanda.
47
4.3.4 PROCESSO MONITORAR ERRO
O processo de monitoramento de erro é descrito pelo Gabarito 4 e a Figura 4.9.
Start
Ajustar_Dados
Calcular_Erro
Analisar_Erro
Finish
Dados_Ajustados
Erros_Fora_Limites
Erros_Dentro_Limites
Erros_Analisados
DOMAIN PROCESS Name: Monitorar_Erro Identifier: PD4-Monitorar_Erro Type: Design Authority: Luciana Rocha OBJECTIVES: Calcular e analisar os erros de previsão visando o monitoramento da previsão de demanda e, conseqüentemente, verificar a eficácia do processo de previsão. CONSTRAINTS: DESCRIPTION: Por melhor que seja o processo de previsão, um erro de previsão vai sempre existir devido à componente aleatória da demanda. Então, é importante acompanhar os erros para garantir que eles permaneçam dentro de limites aceitáveis. Os erros de previsão afetam várias funções de uma empresa, e devem ser acompanhados de perto para identificar, quando necessário, ações corretivas que rapidamente devam ser tomadas. Assim, ao final de cada período de previsão, é preciso verificar a necessidade de ajuste dos dados de demanda (AE4-Ajustar_Dados), calcular os erros de previsão e compará-los com os limites de erros (AE13-Calcular_Erro). Caso os erros sejam maiores do que os limites aceitáveis, esses erros devem ser analisados a fim de encontrar e registrar suas razões, definir ações de correção para a previsão ou para todo o processo (EA14-Analisar_Erros). Event: EV-Periodico PROCEDURE: Start = Ajustar_Dados Ajustar_Dados Dados_Ajustados Calcular_Erro Calcular_Erro Erros_Fora_Limites Analisar_Erro Calcular_Erro Erros_Dentro_Limites Finish Analisar_Erro Erros_Analisados Finish COMPONENTS: Ajustar_Dados Calcular_Erro Analisar_Erro
Gabarito 4 - Processo PD4-Monitorar_Erro.
Figura 4.9 - Processo PD4-Monitorar_Erro.
48
Na Figura 4.10 são representados os gráficos das atividades que compõem o
processo Monitorar Erro.
As Vistas de Objetos representam as informações necessárias para realização de
cada atividade e informações obtidas como resultado destas atividades. A descrição
das vistas de objetos definem informações elementares ou seus atributos. A seguir
temos um exemplo de descrição da vista de objeto Requisição_Projeto, conforme
gabarito 5:
Calcular_ErroVO_Dados_Monitorament
o
VO_Limites_Erro
s
VO_Sistema_Computaciona
l
VO_Erro_Previsa
o VO_Requisicao_Analise
ES Erros_Dentro_LimitesES Erros_Fora_Limites
Analisar_ErroVO_Dados_Monitoramento
VO_Analista_Previsao
VO_Analise_Erro
EV Rever_ProjetoES Erros_Analisados
VO_Objetivos_Previsao
VO_Sistema_Computacional
VO_Erro_Previsao
EV Rever_PrevisaoVO_Caracteristicas_Previsao
Figura 4.10 - Atividades com respectivas entradas e saídas (Vistas de Objetos) do Processo PD4-
Monitorar_Erro.
OBJECT VIEW Name: Requisicao_Projeto Identifier: VO1-Requisicao_Projeto Type: Projeto Design Authority: Luciana Rocha DESCRIPTION: Esta vista de objeto é relativa a requisição de projeto de previsão. LEADING OBJECT: Requisicao_Projeto PROPERTIES: IE Codigo_Processo_Previsao IE Fase_Decisao IE Informacoes_Adicionais IE Objeto_Prever IE Prazo IE Setor_Usuario IE Status IE Tipo_Previsao IE Usuario IE Versao
Gabarito 5 -Vista de Objeto Requisição de Projeto de Previsão.
49
Neste trabalho, a análise de recursos e os aspectos da organização não são
detalhados, assim como informações sobre o tempo de processamento de cada
atividade.
Em geral, de acordo com a empresa a previsão de demanda pode ser realizada por
diferentes setores e com objetivos diferentes. Estas particularidades da empresa
poderão ser acrescentadas ao modelo de referência proposto, caracterizando um
modelo particular.
O projeto do Sistema de Informação, considerado na modelagem de processos
através de CIMOSA, é moderado através da UML e descrito na seção seguinte.
4.4 MODELO DE SISTEMA DE INFORMAÇÃO
O modelo do sistema de informação utiliza todas as informações levantadas no
modelo de empresa. Tem um caráter genérico, e desta forma é proposto ser
adaptável a empresas de diferentes áreas de atuação.
Os principais diagramas utilizados na construção do protótipo do sistema de
informação são:
• Os Diagramas de Caso de Uso que representam as principais atividades do
processo e os respectivos executores (atores) de cada atividade, configurando as
necessidades internas de cada processo do modelo de empresa e suas relações
com o mundo exterior.
• Os Diagramas de Classe que representam os objetos existentes nos processos
de modelo de empresa, através de classes de objetos. As classes de objetos
resultarão em tabelas no banco de dados físico.
• Os Diagramas de Seqüência que demonstram a dinâmica das relações dos
objetos necessários à realização de cada caso de uso no sistema de informação.
4.4.1 DIAGRAMA DE CASO DE USO DO NEGÓCIO
O Diagrama de Caso de Uso é formado a partir da análise do ambiente que envolve
o sistema e suas respectivas fronteiras. Na identificação dos casos de uso, foi
utilizado o detalhamento dos processos modelados anteriormente (figura 4.11),
50
buscando encontrar ações que produzam um resultado definido e de valor para o
usuário na execução de cada processo.
O diagrama a seguir representa os possíveis usuários do negócio e suas respectivas
ações de acordo com o papel de cada um dentro do sistema.
51
Definir Modelo de Referência
Grupo de Modelagem
Calcular Erro de Previsão
Gerar Requisição do Processo de Previsão
Registrar Dados de Demanda
Sistema Computacional
Requisitar Projeto Previsão
Liberar Projeto do Processo de Previsão
Gerente
Realizar Revisão Gerencial
Definir Modelo Particular do Processo de Previsão
Apresentar Previsão Final
Consultar Modelo de Referência
Consultar Modelo Particular
Consultar Cenários
Consultar Metas
Grupo de Gerentes
Verificar Objetivos da PrevisãoDefinir Característica da Previsão
Definir Modelos Previsão
Analisar Requisição do Processo de Previsão
Analisar Resultdo de Erro
Identificar Fatores de Influência da Demanda
Definir Ajuste de Dados
Gerar Cenários de Previsão
Consultar Demanda Ajustada
Coletar Fatores de Influência
Consultar Requisição Previsão
Consultar Histórico de Erros
Verificar Histórico de Previsão
Consultar Objetivos
Consultar Características
Consultar Fatores de Influência da Demanda
Consultar Modelos Previsão
Consultar Fator de Influência
Consultar Modelos Selecionados
Consultar Ajuste de Dados
Analista Previsão
Cadastrar Objeto a Prever
Consultar Limites Erro
Figura 4.11 - Diagrama de Caso de Uso do negócio.
52
4.4.2 DIAGRAMA DE CLASSE DO NEGÓCIO
As informações levantadas através do diagrama de caso de uso acima são
analisadas e descritas detalhadamente e, juntamente com as vistas de objetos que
compõem cada atividade do modelo de empresa (Seção 4.1.1), é possível encontrar
os objetos que formam o ambiente do sistema, e definir seus relacionamentos em
Diagrama de Classe do Negócio, representado pela figura 4.12.
Em cada classe do diagrama são representados os requisitos mínimos para a
existência de cada classe (atributos) e as relações entre cada uma delas
(relacionamentos).
Porém, para uma melhor representação e entendimento do diagrama de caso de
uso e diagrama de classe, serão formados grupos dentro de cada diagrama,
baseados no significado de cada elemento e na forte relação existente entre cada
elemento. O agrupamento é feito em estruturas chamadas pacote. Cada pacote
define um processo do modelo de empresa.
Na seção seguinte será demonstrado o Processo Projetar Previsão e como são
definidos seus diagramas.
53
Figura 4.12 – Diagrama de Classe do Negócio
1..*
AtividadeVista
TipoVista
ItemPedido
PrecoPedidoQuantidade
ModeloAtividade
OrdemAtividade
ItemVista
CodItemVistaNomeItemVista
Evento
CodEventoNomeEvento
Vista
CodVistaNomeVistaObjetivoVistaDescricaoVista
1..11..* 1..11..*
Processo
CodProcessoNomeProcessoObjetivoProcessoDescricaoProcesso
1..*
1..1
1..*
1..1
ModeloReferencia
CodModeloReferDescricaoModeloDataModelo 1..*1..1 1..*1..1
TipoAgregacao
CodTipoAgregacaoNomeTipoAgregacao
AnaliseErro
RazaoErroAcoesControleErro
ResultadoAjuste
CodResultadoAjusteAjusteFinalPeriodoFinal
Pedido
CodPedidoDataPedidoDataEntregaTipoCompra
Cliente
CodClienteNomeClienteEnderecoClienteCEPTelefoneSexoDataNascimentoCPFIdentidadeDataCadastro
1..*
1..1
1..*
1..1
TipoDecisao
CodTipoDecisaoNomeTipoDecisao
SetorUsuario
CodSetorUsuarioNomeSetor
Prazo
CodPrazoNomePrazoTamanhoPrazo
ObjetoPrever
CodObjetoNomeObjetoComentarioObjeto
1..1
1..*
1..1
1..*
Bairro
CodBairroBairro
1..*
1..1
1..*
1..1
Cidade
CodCidadeCidade
1..*1..1
1..*1..1
1..*
1..1
1..*
1..1
1..*
1..1
1..*
1..1
Estado
CodEstadoEstado
1..*
1..1
1..*
1..1
1..11..* 1..11..*
EquacaoCorrelacao
CodEquacaoCorrelacaoEquacaoCorrelacaoObs_Correlacao
TipoCliente
CodTipoClienteNomeTipoCliente
0..*
0..*
0..*
0..*
Periodo
CodPeriodoPeriodo
RequisicaoProjeto
CodReqProjetoDataReqProjInfo_Adicionais
1..*
1..*
1..*
1..*1..*
1..*
1..*
1..*
1..*
1..1
1..*
1..1
1..1
1..*
1..1
1..*
Regiao
CodRegiaoNomeRegiaoTipoRegiao
1..*
1..*
1..*
1..*
1..*
1..*
1..*
1..*1..*
1..*
1..*
1..*
RequisicaoPrevisao
CodReqPrevisaoDataReqPrevisao
Caracteristica
VersaoProjetoDataVersaoProjetoInicioHorizonteFinalHorizonteSituacaoVersaoProjeto
1..1
0..1
1..1
0..1
0..*1..1
0..*1..1
1..*
1..1
1..*
1..1
1..1
1..1
1..1
1..1
1..*
1..1
1..*
1..1
1..1
0..*
1..1
0..*
PrevisaoFinal
CodPrevisaoFinalRevisaoGerencial
1..*1..1
1..*1..1
ResultadoCenario
CodResultadoCenarioResultadoCenarioPeriodoResultado
ValorParam
CodValorParamValorParamModelo
LimiteErro
LimiteMaximoLimiteMinimo
1..1
1..*
1..1
1..*
Cenario
CodCenarioNomeCenarioAnaliseCenario
1..1
1..1
1..1
1..1
1..*
1..1
1..*
1..1
ValoresFator
CodValorFatorValorFatorDataValorFator
ItensDemanda
CodItemDemandaDataDemandaQuantidadeDemanda
AjusteDados
CodAjusteDadoValorAjusteDescricaoAjuste
Participante
CodParticipanteNomeParticipante
1..*1..*
1..*1..*
ModeloParticular
CodModeloParticular
1..10..*
1..10..*
0..1
1..1
0..1
1..1
1..*0..*
Atividade
CodAtividadeNomeAtividadeObjetivoAtividadeDescricaoAtividade
1..*1..*
1..*1..*
1..* 1..*1..* 1..*
1..1
1..*
1..1
1..*
1..*
1..* 1..*
1..*1..*0..*
1..*
1..*
1..*
1..*
Produto
CodProdutoNomeProdutoPrecoProduto
1..*
1..*
1..*
1..*
1..* 1..*1..* 1..*
Metas
CodMetaDescricaoMeta
1..*
0..*
PrevisaoVersao
VersaoPrevisaoDataPrevisaoOrigemPrevisaoSituacaoPrevisaoObsPrevisao1..*
1..1
1..*
1..1
0..*
1..1
0..*
1..11..*
0..*
0..*
1..*
1..*
0..*
ModeloPrevisao
1..*
1..1
1..*
1..1
ParamModelo
CodParamModeloParametroModelo
1..*1..1 1..*1..1
BiBlioModelos
CodModeloTipoModeloNomeModelo
1..*
1..1
1..*
1..1
1..*
1..1
1..*
1..1
1..*
1..*
1..*
1..*
1..*
1..*1..*
ErroPrevisao
ValorErroDataErro
1..*1..1 1..*1..1
1..1
1..*
1..1
1..*
1..*
1..*
1..*
1..*
Demanda
CodDemanda
1..1
0..*
1..1
0..*
1..*
1..1
1..*
1..1
FatorInfluencia
CodFatorInfluenciaNomeFatorInfluenciaTipoFatorDataFatorDescricaoFator
1..*1..1 1..*1..1
1..*
1..1
1..*
1..1
0..*1..*1..*
0..*
54
4.4.3 DIAGRAMA DE CASO DE USO DO PROCESSO PROJETAR PREVISÃO
O diagrama de caso de uso do processo Projetar Previsão (Figura 4.13), é formado
pelos casos de uso e atores, relativos às atividades de empresa do modelo de
referência proposto e, apresenta as ações necessárias para realização do processo,
bem como quem realizará cada ação no sistema de informação.
L ib e ra r P ro je to do P ro c e s s o de P revis ão
G eren te
V e rific a r O b je t ivos d a P revis ão
De fi n ir Ca rac t e rí s t ic a da P re vis ã o
D e f in ir M ode l os P revis ão
Id en t ific a r F a to re s de In flu ên c ia da D em and a
D e fin i r o A jus t e de D ado s
A na lis ta P revis ão
D e fin ir M od e lo P a rt ic u la r d o P ro c es s o de P re vis ão
G rup o de G e re n tes
Figura 4.13 - Diagrama de Caso de Uso do processo PD1-Projetar_Previsão.
55
4.4.4 DIAGRAMA DE CLASSE DO PROCESSO PROJETAR PREVISÃO
O diagrama de classe representado pela figura 4.14 concentra as classes de objetos
encontradas através da descrição dos casos de uso e das vistas de objeto do
processo do Projeto de Previsão de Demanda. As classes neste diagrama
apresentam alguns métodos representando operações que poderão ser executadas
no sistema de informação.
Este diagrama de classe apresenta a classe relativa às regras de negócio do
sistema, representada pela classe de apoio, e a classe que representa o formulário
de apoio a tela correspondente ao processo Projetar Previsão no sistema, através da
classe de interface.
56
ProjetoTipoDecisao
Insert()
Delete()
(from Classe de Apoio)
DataModulo
(f rom Classe de Apoio) FormProjeto
OnclickPrimeiro()OnclickProximo()
OnclickAnterior()
OnclickUltimo()OnclickSituacao()
OnCreate()
AcresFator()AcresEquacaoCorrelacao()
AcresAjusteDados()AcresModelo()
AcresLimiteErro()AcresModeloParticular()
AcresParticipantes()
RetiraFator()RetiraEquacaoCorrelacao()
RetiraAjusteDados()
RetiraModelo()RetiraParticipantes()
(f rom Classe de Interface)
<<Interface>>
ClientesEnvolvidos
Insert()Post()
Delete()
(f rom Classe de Apoio)
Participante
CodParticipante
NomeParticipante
MostrarParticipantes()
Insert()Delete()
Edit()
Post()Select()
(f rom Classe de Negócio)
ModeloParticipante
Insert()
Delete()MostrarDados()
Post()
(from Classe de Apoio)
1..*
1..*
1..*
1..*
TipoCliente
CodTipoCliente
NomeTipoCliente
Insert()
Novo()
Edi t()Delete()
Select()
MostrarTipoCli ente()
(f rom Classe de Negócio)
0..1
0..*
0..1
0..*
Periodo
CodPeriodo
Periodo
Insert()
Edit()Post()
Delete()
Select()MostrarPeriodo()
(f rom Classe de Negócio)
Limi teErro
LimiteMaximo
LimiteMinimo
Insert()
Post()MostrarLimitesErro()
DeleteLimiteErro()
(f rom Classe de Negócio)
ModeloPrevisao
Insert()Post()
MostrarModelosPrevisao()
DeleteModeloPrevisao()
(from Classe de Negócio)
Regiao
CodRegiaoNomeRegiao
TipoRegiao
Insert()
Edit()Post()
Delete()Novo()
Last()
Next()First()
Prior()
MostrarRegiao()
(f rom Classe de Negócio)
BiBlioModelos
CodModelo
TipoModelo
NomeModelo
Insert()
Delete()Select()
Post()
Edi t()First()
Prior()
Next()Last()MostrarModelos()
(f rom Classe de Negócio)
1..1
1..*
1..1
1..*
1..*1..1
1..*1..1
TipoDecisao
CodTipoDecisao
NomeTipoDecisao
Insert()
Post()
Delete()Edit()
Select()
(f rom Classe de Negócio)
1..1
1..*
1..1
1..*Prazo
CodPrazoNomePrazoTamanhoPrazo
Insert()Delete()
Edit()
Post()Select()
(f rom Classe de Negócio)
ModeloParticular
CodModeloParticular
Insert()
Post()
Edit()MostrarModeloParticular()
(f rom Classe de Negócio)
0..*
0..*
0..*
0..*
1..*
1..1
1..*
1..1
1..1 1..*1..1 1..*
SetorUsuario
CodSetorUsuario
NomeSetor
Insert()
Post()Delete()
Select()
(f rom Classe de Negócio)
ProjetoSetorUsuario
Insert()
Delete()
(f rom Classe de Apoio)
1..1
1..*
1..1
1..*
FatorDemanda
CodFatorDemanda
Insert()
Post()Delete()
MostrarDados()
(f rom Classe de Negócio)
Requisi caoProjeto
CodReqProjetoDataReqProjInfo_Adicionais
Insert()Delete()
Prior()
Last()Next()
First()
Post()Select()
MostrarDados()
(from Classe de Negócio)
1..1
1..*
1..1
1..*
1..*
1..*
1..*
1..*
1..11..*1..11..*1..11..1
1..11..1
1..11..*
1..11..*
1..1
0..1
1..1
0..1
1..*
1..*
1..*
1..*
1..1
1..*
1..1
1..*
ObjetoPrever
CodObjeto
NomeObjetoComentarioObjeto
Insert()Delete()
Edit()
Post()Select()
First()
Next()Prior()
Last()
(from Classe de Negócio)
1..*
1..1
1..*
1..1
1..1
1..1
1..1
1..1
EquacaoCorrelacao
CodEquacaoCorrelacao
EquacaoCorrelacaoObs_Correlacao
Insert()Post()
Delete()
Edit()MostrarEquacao()
(f rom Classe de Negócio)
AjusteDados
CodAjusteDado
ValorAjuste
DescricaoAjuste
CalcularDemandaAjustada()
Insert()Post()
Delete()
MostrarDadosAjuste()
(f rom Classe de Negócio)
1..1
1..*
1..1
1..*
1..1
1..*
1..1
1..*1..*
1..1
1..*
1..1
1..*
1..1
1..*
1..1
Caracteristica
VersaoProjeto
DataVersaoProjeto
InicioHorizonteFinalHorizonte
SituacaoVersaoProjeto
Insert()
Edit()
Post()Prior()First()
Next()Last()
Insert()
MostrarDados()AlterarSituacao()
(from Classe de Negócio)
1..1
0..*
1..1
0..*
1..1
1..*
1..1
1..*
1..*
1..1
1..*
1..1
1..1
1..*
1..1
1..*
0..*1..1
0..*1..1
1..*
1..*
1..*
1..*1..*
1..*
1..*
1..*
1..1
1..*
1..1
1..*
1..1
1..*
1..1
1..*
0..*
0..*
0..*
0..*
0..1
1..1
0..1
1..1
FatorInfluencia
CodFatorInfluencia
NomeFatorInfluencia
TipoFatorDataFator
DescricaoFator
Insert()
Edit()
Post()Delete()
First()
Next()Prior()
Last()
MostrarFatores()
(f rom Classe de Negócio)
1..1
0..*
1..1
0..*
Demanda
CodDemanda
Insert()Post()
MostrarDados()
(f rom Classe de Negócio)
0..*
1..1
0..*
1..1
1..*
0..*
1..*
0..*
Figura 4.14 – Diagrama de Classe do Processo PD1-Projetar_Previsão
57
4.4.5 DIAGRAMA DE SEQÜÊNCIA DA ATIVIDADE ANALISAR OBJETIVOS
Cada caso de uso possui um diagrama de seqüência correspondente. Os diagramas
de seqüência representam a seqüência de ações que o usuário (ator) poderá
realizar no sistema. É composto por uma estrutura que representa o usuário, as
classes de objeto que participam da ação e os métodos (operações) que
representam a ação.
A visão dinâmica do modelo, sob a ótica do usuário, é representada através dos
diagramas de seqüência e cada diagrama de seqüência irá gerar uma tela
correspondente no sistema de informação.
O diagrama de seqüência abaixo representa o caso de uso da atividade Analisar
Objetivos do processo Projetar Previsão.
: A n a l i s t a
P r e v i s ã o
: F o r m
P r i n c i p a l
: F o r m P r o j e t o : R e q u i s i c a o
P r o j e t o
:
C a r a c t e r i s t i c a
O n c l i c k ( )
O n C r e a t e ( )
M o s t r a r D a d o s ( )
O n c l i c k S i t u a c a o ( )
A l t e r a r S i t u a c a o ( )
O n c l i c k P r i m e i r o ( )F i r s t ( )
M o s t r a r D a d o s ( )
O n c l i c k P r o x i m o ( ) N e x t ( )
M o s t r a r D a d o s ( )
O n c l i c k A n t e r i o r ( ) P r i o r ( )
M o s t r a r D a d o s ( )
O n c l i c k U l t i m o ( ) L a s t ( )
M o s t r a r D a d o s ( )
M o s t r a r D a d o s ( )
Figura 4.15 - Diagrama de Seqüência do Caso de Uso Analisar Objetivos.
58
Neste capítulo foram apresentados os principais construtores dos modelos de
referência de previsão de demanda de produtos conforme descrito por Santos
(2001).
No capítulo seguinte será apresentado a particularização desses modelos de
referência para o desenvolvimento de um sistema de previsão de demanda, e a
avaliação de questões relativas aos modelos de referência e ao processo de
particularização desses modelos.
59
CAPÍTULO V
DESENVOLVIMENTO DE UM SISTEMA DE PREVISÃO BASEADO EM UM
MODELO DE REFERÊNCIA
Neste capítulo será apresentado o desenvolvimento de um sistema de previsão
particular de uma empresa baseado no modelo de referência segundo Santos
(2001), e serão tecidas considerações sobre a aplicabilidade dos modelos de
referência e as adequações funcionais necessárias para o desenvolvimento do
modelo e sistema particular.
5.1 INTRODUÇÃO
Neste trabalho, baseado nos modelos de referência contidos no trabalho de Santos
(2001), foi criado um modelo de sistema de informação, e ao mesmo tempo, tem
como objetivo analisar as funcionalidades e aplicabilidade desse modelo de
referência para a previsão de demanda em uma indústria de autopeças. Essa
empresa tem como meta aprimorar a acurácia de suas decisões de gerência,
através um melhor processo e ferramentas para a previsão de demanda.
O estudo utiliza dados reais de uma indústria de autopeças do interior do Estado do
Rio de Janeiro. Os produtos por ela fabricados são destinados à aplicação em
equipamentos industriais como: Reboques e Semi Reboques, e Trucks. A empresa
recebe os pedidos de seus representantes por intermédio de meio eletrônico
diariamente, para montagem e entrega em sete dias úteis. Para tanto necessita
conhecer a demanda futura para, por exemplo, decidir adquirir matéria prima, e
recursos para fabricação das peças.
A empresa objeto de aplicação do modelo de referência de Santos (2001), utilizava
para previsão de demanda o sistema de informação ERP com software DATASUL –
EMS que se baseava em Médias Aritméticas sem levar em consideração os fatores
que influenciam o mercado, entre outras informações qualitativas de
acompanhamento da previsão (histórico), o que dificultava o processo de previsão
de demanda.
60
A seguir será descrita a empresa tomada como sede da aplicação, utilizando dados
reais para aplicação do sistema de informação.
5.2 DESCRIÇÃO GERAL DO SISTEMA PARTICULAR DESENVOLVIDO
Diferenciando do protótipo que foi desenvolvido em linguagem Delphi 4.0 com banco
de dados Access 2000 por Santos (2001), o sistema aqui apresentado foi
desenvolvido em linguagem Java, que tem uma linguagem aberta, opção da firma
empreendedora, uma vez que já possui grande parte de seu sistema nesta forma de
trabalho, possibilitando redução de custos.
Cabe ressaltar que o sistema foi desenvolvido com uma interface WEB, não sendo
possível explorar todos os recursos visuais de uma aplicação desktop.
No protótipo de Santos (2001) a previsão de demanda é suposta ser iniciada de
maneira formal, através de uma requisição. Já no caso da empresa em estudo, não
se obedece a formalidades, pois é uma empresa de médio porte e a previsão é
iniciada de maneira informal, vislumbrando um curto prazo para previsão.
A empresa estabelece como objetivo do Projeto de Previsão a realização da
previsão para produtos, compostos pelos modelos de peças que comercializa,
chamado de família de produtos. O setor que utilizará a previsão (setor usuário) será
o Marketing que baseados nos resultados da previsão deverá estabelecer decisões
de gerenciamentos dos setores de Planejamento da Produção, Suprimentos,
Financeiros, entre outros. A previsão da demanda foi estabelecida para um período
mensal.
Buscando melhor funcionalidade e diminuição na burocracia o presente sistema gera
diversos cenários, cada um com seu fator de influência, e posteriormente é gerada
uma previsão para cada cenário. A base de demanda dos cenários é feita através do
histórico de pedidos processados dos meses anteriores, e é estabelecido fatores de
influência para projeções futuras, durante o horizonte de tempo considerado. Os
resultados da previsão são avaliados através do monitoramento de erros.
61
5.2.1 LOGON USUÁRIO
A figura 5.1 apresenta a tela inicial da aplicação. Cada usuário cadastra previamente
seu logon e sua senha, e somente terá acesso permitido às suas áreas de interesse
de cadastro, atualizações, ou visualização.
5.2.2 MENU GERAL
A figura 5.2 apresenta as opções do Menu Geral com todas as opções permitidas de
acordo com o perfil do usuário. Para o usuário com acesso total, será permitida
através desta tela a autorização para cadastrar, consultar e gerenciar a previsão.
Figura 5.1 – Logon Usuários
62
O protótipo apresentado por Santos (2001), foi baseado no conceito de um sistema
Workflow, o que nesse sistema não foi utilizado, isto é, não existe a definição de
uma seqüência obrigatória ou formal de atividades definida previamente pelo
sistema, ou mesmo quais pessoas que devem fazer cada atividade.
A seguir é apresentado como os processos, atividades e funcionalidades definidas
no modelo de referência foram implementadas no sistema particular de previsão de
demanda, incluindo as principais telas da aplicação. São tecidos comentários sobre
as diferenças entre o modelo de referência e o particular.
5.3 IMPLEMENTAÇÃO DO PROCESSO DADOS DE DEMANDA
O modelo de referência deste processo está descrito na sessão 4.3.2 e ilustrado
pelo gabarito 2. A seguir descreve-se a implementação da única atividade desse
processo.
5.3.1 REGISTRAR DADOS
A atividade Registrar Dados é feita conforme descrito no protótipo de Santos (2001),
independente se os pedidos foram atendidos ou não. A base de dados é captada do
Figura 5.2 tela de Menu Geral
63
ERP (DATASUL – EMS) através do “Upload Pedido”, no Menu Geral, do sistema em
Java.
5.4 IMPLEMENTAÇÃO DO PROCESSO PROJETAR PREVISÃO
O modelo de referência deste processo está descrito na sessão 4.3.1 e ilustrado
pelo gabarito 1. A seguir são comentadas as implementações das respectivas
atividades.
5.4.1 ANALISAR OBJETIVOS
Ao contrário da abordagem de Santos (2001) no sistema aplicado à indústria de
auto-peças, esta atividade é realizada de maneira informal, destinada unicamente
aos departamentos de marketing, vendas, planejamento e controle da produção,
compras, financeiro, e abrange todas as regiões.
5.4.2 DEFINIR CARACTERÍSTICAS
A atividade de definir características no protótipo descrito por Santos (2001), nesta
aplicação foi chamado por Requisição de Previsão.
O processo de previsão da empresa em questão contempla geralmente todas as
famílias de produtos em todas as regiões, porém foi aberto esses campos, após
consulta ao departamento comercial da empresa, em virtude de uma eventual
previsão para promoção em determinada família ou região. Nesta não foi criado o
campo tipo de cliente, pois a empresa onde foi desenvolvido a aplicação não
classifica sua previsão para determinados tipos clientes.
Como no protótipo proposto por Santos (2001), também nesta etapa se define as
características da previsão como: “horizonte de tempo” e “tipo da decisão”, conforme
ilustra a figura 5.3.
64
5.4.3 IDENTIFICAR FATOR DE INFLUÊNCIA
Uma vez mais diferenciando do trabalho de Santos (2001), nesta aplicação foi
invertido a ordem de colocação do fator de Influência pela Definição de Cenário e
onde se define o modelo matemático a ser utilizado, uma vez que podemos gerar
vários cenários diferentes, e cada um deles com seu fator de influência e seu modelo
matemático. O fator de influência será arbitrado em uma outra seção.
Nesta etapa não foi considerada a utilização do gráfico na visualização de cada
cenário gerado, uma vez a empresa identifica a visualização somente do cenário
aprovado.
A figura 5.4 contempla também a base de dados (limites) inicial e final da demanda,
bem como um campo de observação para descrição das características atribuídas
aos diversos cenários.
Figura 5.3 Requisição de previsão
65
O fator de Influência se cadastra na etapa seguinte ao modelo particular, como
ilustra a figura 5.5, onde identifica qual deve ser o fator, descreve seu valor, e no
campo observação, a descrição do ajuste para auxiliar futuros esclarecimentos.
Figura 5.4 Tela de Definição de Cenário
Figura 5.5 Tela Ajustar Dados
66
5.4.4 AJUSTAR DADOS
Nesta aplicação o Ajuste de Dados relativo a Demanda não foi implementado
Porém, pode-se fazer correções relativas a alguns fatores de influência através da
função Ajuste de Previsão, que é aplicado para acertos após uma previsão já ter
sido gerada e aprovada. Esta atividade pode ser feita a partir do ícone “Ajuste de
Previsão” no campo do Menu Geral.
A empresa em estudo identifica que somente fatores ocorridos após a geração da
previsão como: promoção da concorrência, variação cambial repentina, ou ainda
mudanças na taxa de Juros, entre outros, poderiam mascarar uma previsão.
5.4.5 SELECIONAR MODELOS
Como mencionado o modelo de aplicação foi desenvolvido em Java, e em busca de
uma otimização do projeto esta atividade de Seleção de Modelos matemáticos foi
associada à atividade de “Definição de Cenário”, descrita no item 5.4.3. O modelo
desenvolvido na empresa foi o de Regressão Linear e o de Média Aritmética, sendo
que futuramente poderão ser implementados e testados outros.
5.4.6 DOCUMENTAR E DEFINIR PARTICIPANTES
A empresa utilizada como modelo de aplicação, utilizou parcialmente esta atividade
tendo em vista desburocratizar, pois a participação na análise dos objetivos,
definição das características, identificação dos fatores de influência, ajuste de dados,
entre outros, são definidas pelos gerentes e pela diretoria comercial que se
posicionam em uma mesma sala.
Para os demais departamentos, como Financeiro, Planejamentos e Controle da
Produção, Compras, Controle de Materiais, que também utilizam a Previsão, é
permitido somente a visualização para consulta. Esta permissão é feita no perfil do
cadastro do usuário.
5.5 IMPLEMENTAÇÃO DO PROCESSO PREVISÃO DA DEMANDA
O modelo de referência deste processo está descrito na sessão 4.3.3 é ilustrado
pelo gabarito 3. A seguir são comentadas as implementações das respectivas
atividades.
67
5.5.1 ANALISAR DADOS DA REQUISIÇÃO DE PREVISÃO
Esta atividade foi desenvolvida em uma outra etapa na aplicação em questão, ou
seja, após Geração da Previsão com diversos cenários a equipe se reúne com
objetivo de identificar qual será o mais indicado para aprovação.
5.5.2 GERAR CENÁRIOS
Esta atividade foi nomeada “Gerar Previsão”. Nesta fase será feita a geração de
todos os cenários propostos com seus respectivos: fatores de influência, base de
dados, modelos de previsão. A figura 5.6 ilustra a atividade Gerar Previsão.
5.5.3 REVISÃO GERENCIAL
Chamamos esta por “Aprovação da Previsão”, que se resume na escolha do cenário
mais adequado, aprovando-o através do campo “Aprova Previsão” do Menu Geral,
conforme mostra a figura 5.7. Também como contempla o modelo proposto por
Santos (2001), nesta fase também se pode fazer ajustes à previsão, através do
campo “Ajuste de Previsão” no campo Menu geral.
Figura 5.6 – Tela Gera Previsão
68
5.5.4 APRESENTAR A PREVISÃO
Esta atividade já está acessível após sua aprovação através do campo “Consulta
Previsão”. Nesta fase é comunicado a todos os setores, por meio eletrônico, que a
previsão está acessível para consulta.
5.6 IMPLEMENTAÇÃO DO PROCESSO MONITORAR ERRO
O modelo de referência deste processo está descrito na sessão 4.3.4 e ilustrado
pelo gabarito 4. A seguir são comentadas as implementações das respectivas
atividades.
5.6.1 CALCULAR ERRO
Esta etapa descrita no modelo de referência proposto por Santos (2001) foi
desenvolvida aqui da seguinte forma: No início de cada mês é feita a captura dos
pedidos colocados do mês anterior, mesmo aqueles que não foram entregues,
através do campo “Upload Pedido”, no campo do Menu Geral, do Sistema ERP
(Datasul – EMS) da empresa.
Figura 5.7 – Tela de Aprova Previsão
69
Nesta mesma atividade através do campo “Gera Demanda Real”, onde é feita a
escolha da previsão a ser confrontada, o sistema irá automaticamente comparar a
previsão desejada com os valores reais, conforme mostra a figura 5.8. Na etapa
seguinte pode-se visualizar o erro gerado na tela Análise da Previsão mostrado na
figura 5.9.
5.6.2 ANALISAR ERRO
A atividade Analisar Erro proposta por Santos (2001) foi aqui chamada de “Análise
de Previsão”, também permite comentar as razões do erro, e as ações a serem
tomadas a fim de corrigir os parâmetros para as próximas previsões. Esta
visualização pode ser feita através do campo “Gráfico” no Menu Geral, conforme
mostra figura 5.9.
Figura 5.8 – Tela Gera Demanda Real (Cálculo do Erro)
70
A figura 5.10 pode-se registrar as possíveis causas do erro, bem como as ações
propostas para correções de previsões futuras.
Figura 5.9 Consulta Análise da Previsão (Gráfico)
71
Figura 5.10 Análise da Previsão (Registro Causa – Ação Corretiva)
5.7 IMPORTÂNCIA E APLICABILIDADE DO MODELO DE REFERÊNCIA
De forma geral, todas as atividades e funcionalidades descritas no modelo de
referência foram considerados importantes e aplicáveis em um sistema particular de
previsão de demanda de empresa, porém neste trabalho, pela limitação de tempo ou
pelo fato de não ser tão essencial no momento para a empresa em questão,
algumas não foram implementadas (ver tabela 5.1).
Os modelos de referência relativos às atividades documentar e definir participantes e
apresentar a previsão final foram implementadas parcialmente no desenvolvimento
do sistema, pois a empresa não necessita do Workflow, isto é, de uma seqüência
formal de atividades. O sistema apresenta grande funcionalidade, pois permite que
um determinado participante possa solicitar e acompanhar um processo de previsão,
através das opções do menu que se apresenta de forma dinâmica. Desta forma, o
usuário de acordo com seu perfil, será permitido o acesso a inclusão de uma
72
requisição, ou apenas a consulta dos cenários aprovados e análise da previsão
diferentemente do modelo de Santos (2001).
Devido a falta de tempo, apenas o modelo matemático de média aritmética foi
implementado. O modelo de regressão linear foi feito, porém será implementado
após o registro de um histórico da demanda. O diferencial do modelo de Santos é a
possibilidade de registrar informações qualitativas ao processo de previsão, e assim,
por exemplo, poder interpretar os resultados dos erros de previsão.
Atividades do Modelo de
Referência
Importância
para a Empresa
(Alta, Média,
Baixa)
Aplicado no Modelo
Particular
(Sim, Parcialmente,
Não)
1. Dados de Demanda Alta Sim
2. Analisar Objetivos Alta Sim
3. Definir Características Alta Sim
4. Identificar Fator de Influência Alta Sim
5. Ajustar dados Baixa Parcialmente
6. Selecionar Modelos Baixa Sim
7. Documentar e Definir
Participantes
Média
Parcialmente
8. Analisar Dados da Requisição
de Previsão
Alta
Sim
9. Gerar Cenários Alta Sim
10. Revisão Gerencial Alta Sim
11. Apresentar a Previsão Final Média Parcialmente
12. Calcular Erro Alta Sim
13. Analisar Erro Alta Sim
5.8 ATIVIDADES DO MODELO PARTICULAR
Tabela 5.1 Comparativo das atividades do Modelo de Referência e Modelo Particular
73
5.8 ATIVIDADES DO MODELO PARTICULAR
Apesar do sistema não ser um workflow, nem ter sido definido um processo formal
de previsão de demanda na empresa, pode-se definir uma seqüência lógica de
atividades a ser executada, como se fosse um modelo de processo particular de
previsão, conforme a figura 5.11.
Start
Requisição Previsão – figura 5.2
Analisar Objetivos – sessão 5.4.1
Definir Características – sessão 5.4.2
Gerar Cenário – figura 5.4
Identificar Fator de Influência- figura 5.5
Gerar Previsão – figura 5.6
Aprovar Previsão – figura 5.7
Liberar Processo – sessão 5.5.4
Finish
Figura 5.11 – Processo particular de Previsão de Demanda
74
Na figura 5.12 descreveremos a seqüência lógica das atividades para análise de
erros da previsão, que chamamos de Análise da Previsão, descrito na sessão 5.6.2.
5.9 DIAGRAMA DE CLASSES DE OBJETO PARTICULAR DA EMPRESA
Na figura 5.13 a seguir, é apresentada parte do Diagrama de Classes de Objetos do
sistema e informação particular na linguagem UML.
Start
Coleta de Dados Reais – sessão 5.6.1
Gerar Demanda Real – Figura 5.8
Análise da Previsão – Figura 5.9
Finish
Figura 5.12 – Processo Particular de Análise de Erros
75
Figura 5.13 – Modelo de Objetos do Sistema particular
76
CAPÍTULO VI
CONSIDERAÇÕES FINAIS
Neste trabalho, foi aplicado o modelo de Santos (2001) para previsão de demanda
para produtos, através do desenvolvimento de um sistema integrado ao ERP Datasul
de uma empresa de auto peças, escrito em linguagem Java.
Conforme observou Santos (2001) o modelo por ela proposto deve sofrer
adequações para que seja aplicado atendendo a particularização da empresa.
A aplicação do modelo particular foi avaliada nos últimos seis meses, onde mostrou
sua aplicabilidade e possibilitou redução de tempo para processar os cálculos da
previsão. Entre outras questões pode-se observar que no sistema anterior de
previsão usava-se o histórico dos produtos faturados, mas notou-se que eles não
contemplavam os fatores sazonais, algo que foi adequado e hoje já damos ênfase a
fatores de influência na aplicação descrita. Outro ponto de destaque foi que durante
a aplicação do modelo particular, verificou-se que a base de dados levava em conta
a data do faturamento dos pedidos. Em um determinado mês, com todos os pedidos
prontos, devido a um contra tempo os mesmos não puderam ser faturados,
constatou-se que isto causaria erro nos cálculos de futuras previsões. Para tanto foi
necessário alterar a tomada de dados, que passou a ser baseada na data de
entrega dos pedidos, e assim eles ficarão registrados, sendo ou não entregues.
O ERP era usado para realizar a previsão, levava aproximadamente 02 horas para
processar seus cálculos, e quando havia necessidade de fazer alterações nessa
previsão gastava-se um tempo ainda maior. O presente software em Java eliminou o
problema do tempo, processando o cálculo em aproximadamente 02 minutos.
Também proporciona alterações nos dados de entrada e saída da previsão de
maneira mais fácil e simples.
Algo relevante que podemos destacar quanto a tela Gerar Cenários em comparação
ao modelo anterior da empresa é que o mesmo permite visualizar vários cenários e
alterá-los cada um individualmente sem que para tanto seja necessário perder os
cenários já existentes, possibilitando desta forma comparações. O modelo utilizado
77
anteriormente ela empresa permitia alterações, mas não conservava os cenários
gerados anteriormente.
No decorrer desses quatro meses de estudo foi observado que a falta de
informações sobre as variações de fatores que influenciaram os faturamentos dos
anos anteriores, impediram de aproximar a previsão de demanda neste período. Mas
mesmo neste período já pudemos observar a real necessidade no comportamento
da previsão mediante as informações coletas e registradas no software, o que será
de grande valia para os meses subseqüentes. Constatou-se que alguns fatores de
influência que anteriormente não eram considerados como significativos, como:
volume das chuvas, taxa Selic, colheita de grãos nacional e internacional, entre
outros, serviram para nortear previsões de demanda.
A tabela 6.1 ilustra o resultado das previsões e o cálculo do erro para o período de
cinco meses de aplicação.
1 PREVISÃO DA DEMANDA
MÊS 1.1.1 DEZ/04 Jan/05 Fev/05 Mar/05 Abr/05
PREVISÃO 378,750 421,581 384,024 406,600 345,623
DEMANDA REAL 327,558 422,739 353,718 352,995 348,296
ERRO SISTEMA PROPOSTO 13,52% -0,27% 7,89% 13,18% -0,77%
ERRO SISTEMA ANTERIOR 22,37% 17,43% 18,02% 19,15% 18,59%
A empresa, objeto do estudo de caso, considera de extrema importância a pesquisa
científica e está satisfeita com o empreendimento, que foi facilitado pelo modelo de
referência.
Como sugestão para trabalhos futuros o modelo particular de previsão poderá
aplicar uma inteligência computacional através de redes neurais, algoritmo de lógica
nebulosa, ou ainda máquina de inferência.
78
Concluímos então que o modelo de referência de Santos (2001), aplicado neste
trabalho, melhorou e contribui para o sucesso da previsão da demanda na empresa
de auto peças estudada e tem boa capacidade para ajudar a desenvolver modelos e
sistemas particulares.
79
BIBLIOGRAFIA
AGUIAR, M. W. C., Rapid Prototyping of Integrated Manufacturing Systems by
Accomplishing odel-enactment, em Integrated Manufacturing Systems
Engeneerin., Chapman and Hall, 1995.
AMARAL, D.C., ROZENFELD, Prof. H. Modelagem de Empresa. Disponível em:
http://www.nema.org.br/conhecimentos/conhecimentos acesso em: 28/08/2004.
AZEVEDO, R.C., REBELATO, D.N., BREMER, C.F., TOLONI, A. L.A. O Uso de
Sistemas ERP no Processo de Gestão de Demanda em Ambientes Make- To-
Stock – XXIII Encontro Nacional de Engenharia de Produção. Ouro Preto, MG:
2003.
BERIO, G., VERNADAT, F.B. New Developments in Enterprise Modelling using
CIMOSA Computers in Industry 40, 99 – 114 p., 1999.
BERNUS, P., NEMES, L., EDITORS, T. J. W. Architectures for Enterprise
Integration. Findings of the IFAC/IFIP Task Force on Architectures for Enterprise
Integration. Chapman & Hall: November, 1995.
BOOCH, G., RUMBAUGH, J., JACOLSON, I. UML, Guia do Usuário. Rio de
Janeiro: Campus, 2000.
CAMPOS, Renato. Uma Proposta de Modelagem para Integração de Sistemas
de Gestão de Produção em Empresas de Manufatura.Tese (Doutorado em
Engenharia Mecânica), Campinas- S.P.:Universidade Estadual de Campinas-
UNICAMP, 195p., 1998.
CORRÊA, Henrique L.; GIANESI, Irineu G. N.; CAON, Mauro. Planejamento,
Programação e Controle da Produção. 4ª ed. São Paulo: Atlas, 2001.
DEITEL, H.M., DEITEL, P.J. JAVA Como Programar, 3ª ed. Porto Alegre: Bookman
Editora, 2001.
80
DIAS, G.P.P. Proposta de processo de Previsão de Vendas para Bens de
Consumo XIX ENEGEP / V Congresso Internacional de Engenharia de
Produção. Rio de Janeiro, 1999.
DIAS, M.A.P. Administração de Materiais: Uma Abordagem Logística. São
Paulo: Editora Atlas, 1990.
DIAZ, C.A.P., PIRES, S.I.R. Variação da Demanda ao Longo da Cadeia de
Suprimentos: O Efeito da Amplificação da Demanda, XXIII Encontro Nacional
de Engenharia de Produção. Ouro Preto – MG, 2003.
ERIKSON, H., PENKER, M. Business Modeling With UML:Business Patterns at
Work. Canada: Wiley, 2000.
FLEURY, Paulo Fernando et al. Logística Empresarial. São Paulo: Atlas, 2000.
FURLAN, J.D. Modelagem de Objetos através da UML- The Unifield Modeling
Language. São Paulo: Makron Books, 1998.
KIM, C.H., WESTON, R.H. The Complementary use of IDEF and UML Modelling
Approches. Computers in Industry 50. 35 – 56 p. 2003.
KOSANKE, K . CIMOSA Overview and Status. NETHERLANS: Computer in
industry. V.27, n.2, p. 101-109., 1995.
MARTINS, P., LUGENI, F. Administração da Produção. São Paulo: Editora
Saraiva, 2002.
MONKS, Joseph G. Previsão: Métodos Estatísticos. In Administração da
Produção. São Paulo. Mc Graw-Hill. 1987.
PACHECO, R.F., SILVA, A.V.F. Aplicação de Modelos Quantitativos de Previsão
em uma empresa de Transporte Ferroviário, XXIII Encontro Nacional de
Engenharia de Produção. Ouro Preto – MG, 2003.
81
PIRES, S.R.I. Gestão Estratégica da Produção. Piracicaba – SP: Unimep, p.119-
167, 1995.
PORTER, M.E. Vantagem Competitiva São Paulo: Editora Campus, 1996.
PROTO, L. O. L., MESQUITA, M.A.M. Previsão de Demanda para Planejamento
da Capacidade de Empresa do setor Cimenteiro XXIII Encontro Nacional de
Engenharia de Produção. Ouro Preto – MG, 2003.
SALIBY, Eduardo. Lidando com Sazonalidades no Processo Logístico. Centro de
Estudos em Logística – COPPEAD- UFRJ, Rio de Janeiro. Disponível em:
http://www.coppead.ufrj.br/pesquisa/cel/new/fs-busca.htm?fr-sazonal.htm acesso em
30/09/2003.
SANTOS, Luciana Rocha dos. Modelagem de Processos de Empresas e Projeto
de Sistemas de Informação: Uma Aplicação para Auxílio à Previsão de
Demanda de Produtos. 147f. Dissertação (Mestrado) – Programa de Pós-
Graduação em Ciências de Engenharia, Universidade Estadual do Norte
Fluminense, Campos dos Goytacazes – RJ., 2001.
SANTOS, L.R., CAMPOS, R. Modelagem de Processos e Definição de
Requisitos de um Sistema de Informação para Previsão de Demanda, Encontro
Nacional de Administração. Campinas – SP, 2001.
SHEN, H., WALL, B., ZAREMBA, M., CHEN, Y., BROWNE, J. Integration of
Business Modelling methods for Enterprise Information System Analysis and
user Requirements Gathering. Computers in Industry 54. 307 – 323 p. 2004.
SLACK, Nigel et al. Administração da Produção. São Paulo: Atlas, 1997.
TORRES, J.B. Um Modelo Dinâmico de apoio a Gestão Organizacional baseado
na Modelagem de Processos utilizando Componentes de Software. Dissertação
de tese submetida à Universidade Federal de Santa Catarina, Florianópolis: 2002.
82
TUBINO, Dalvio Ferrari. Manual de Planejamento e Controle da Produção. 2ª ed.
São Paulo: Atlas, 2000.
VERNADAT, F.B.A. Enterprise Modeling and integration, Principles and
Aplications.Londres: Chapman & Hall, 1995.
83
ANEXO I
MODULOS DISPONIVEIS NA MAIORIA DOS ERPs
Segundo Corrêa et al. (2001), os fornecedores vão, com objetivo de ampliar o
escopo dos produtos vendidos, agregando mais e mais módulos que suportam mais
e mais funções, integradamente, aos módulos de manufatura, com escopo que
passou a transcender em muito o escopo de manufatura. Quando os fornecedores
passam a considerar que suas soluções integradas são suficientemente capazes de
suportar as necessidades de informação para todo o empreendimento, passam a se
auto denominar fornecedores, não mais de MRPII mas de sistemas ERP.
1. Módulos Relacionados a Operações e Supply Chain Management
Previsões/ Análises de Vendas (Forecasting/Sales Analysis)
Auxilia a função de previsão de vendas da empresa. Em geral, esses módulos
trazem alguns modelos matemáticos simples para correlações e extrapolações como
medidas móveis, amaciamento exponencial e correlações por mínimos quadrados. É
necessário estar atento para o fato de que o uso de uma técnica inadequada de
previsão de vendas pode trazer mais malefícios que benefícios para um bom
funcionamento do sistema MRP II/ERP. Não basta, portanto, escolher um dos
modelos disponíveis nesses módulos ao acaso e passar a usá-lo. É necessária uma
criteriosa análise com testes estatísticas, tanto para decidirmos qual dos modelos
disponíveis melhor se aplica à situação analisada quanto para decidirmos como
parametrizar o modelo escolhido. Também é importante considerar que o uso
exclusivo de um modelo matemático de série temporal histórica (como são os
modelos geralmente disponíveis nos softwares comerciais) pode carregar riscos
importantes de erros em ambientes turbulentos, onde a hipótese de que o futuro irá
repetir os padrões de comportamento passado pode não se manter. Nesse caso, os
resultados do modelo matemático devem ser ajustados por análises qualitativas
criteriosas. Os módulos de análise de vendas, em geral, também permitem
levantamentos estatísticos de vendas históricas por período, por cliente, por região,
entre outros;
84
Listas de Materiais (Bom – Bills of Material)
Módulo responsável pelo apoio à manutenção das estruturas de produtos da
organização: substituição de componentes e mudanças de engenharia em geral
devem fazer-se refletir no sistema MRPII/ERP. O módulo de lista de materiais apóia
esta função. Em geral traz funções de substituição em massa de componentes
(quando um componente não substituído em apenas um produto mas em todos
onde aparece), geração de estruturas de produtos baseados em outra já existente e
parecida e outras que se destinam a facilitar o processo de entrada dos dados de
atualização.
Programação-Mestre de Produção/ Capacidade Aproximada (MPS – Master
Production Scheduling/ RCCP – Rough-Cut Capacity Planning)
Planejamento de Materiais (MRP – Material Requirements Planning)
Planejamento Detalhado de Capacidade (CRP – Capacity Requirements Planning)
Compras (Purchasing): O módulo de compras visa apóia informacionalmente o
processo decisório da função de suprimentos dentro da empresa. Auxílio a cotações
(guardando as condições das últimas cotações, por fornecedor, por exemplo),
emissão e gestão de pedidos de compras, follow-up de compras (fornecendo listas
de todos os materiais que devem chegar na semana subseqüente e seus
fornecedores, para acompanhamento, por exemplo), manutenção de cadastro de
fornecedores, acompanhamento de desempenho de compradores são algumas das
funções apoiadas pelas melhores soluções de aplicativo MRP II/ERP.
Controle de Fabricação (SFC – Shop Floor Control)
Controle de Estoque (Inventory): O módulo de controle de estoques apoia a função
de controle de inventários. Posições de níveis de estoque, transações de
recebimento, transferências, baixas, alocações de materiais, entre outras são
apoiadas por esse módulo. A gestão de materiais, às vezes chamados não-
produtivos (que não pertencem a nenhuma estrutura de produtos), também é feita
no âmbito desse módulo, utilizando lógicas de ponto de reposição, revisão periódica
ou outra. Procedimentos necessários a garantir uma boa acurácia dos registros de
85
posições de estoques, como rotinas de inventário rotativo (em que se inventariam os
continuamente os materiais em vez de inventariarmos todos uma vez por ano)
também em geral são apoiados por esse módulo.
Engenharia (Engineering): Módulo que se encarrega de apoiar a função de
engenharia no que se refere as suas interfaces com o processo de planejamento –
controle de mudanças de engenharia, controle de números de desenhos, controle de
mudanças de processos produtivos e roteiros de fabricação, tempos referentes aos
processos produtivos, entre outros.
Distribuição Física (DRP – Distribution Requirements Planning): Gestão da
demanda, para um tratamento mais detalhado do módulo DRP.
Gerenciamento de Transporte (TM – Transport Management): Módulo que apóia a
tomada de decisão em relação ao transporte de materiais (em geral de produtos
acabados). Cadastramento e controle de fornecedores de serviço de transporte,
alocação de veículos a rotas, montagem de cargas de veículos, entre outras, são
funções que o módulo TM pode suportar.
Gerenciamento de Projetos (Project): Algumas empresas, embora interessadas na
integração que os sistemas ERP proporcionam, têm características específicas em
seus sistemas produtivos que fazem com que os módulos do MRP II original sejam
inadequados para o apoio as suas necessidades de informação. As empresas que
trabalham com grandes produtos não repetitivos, por exemplo (grandes
transformadores, grandes máquinas especiais feitos por encomenda, por exemplo),
trabalham “por projeto”. Cada produto é um projeto e como tal, tem um início bem
definido, um grande número de atividades não repetitivas inter-relacionadas e um
final bem definido. Nesses casos, não consideramos que os módulos originais do
MRP II sejam suficientes. É necessário um apoio para a gestão da rede de
atividades inter-relacionadas, normalmente com lógica COM ou PERT (Critical Path
Method ou Program Evaluation and Review Technique). Esse apoio é provido pelo
módulo de gestão de projetos, que trabalha naturalmente integrado com outros
módulos do ERP.
86
Apoio à Produção Repetitiva: Algumas situações industriais trabalham com
produções de tal forma repetitivas que a lógica estrita do MRP não se adequa
perfeitamente. Nas produções de altos volumes, por exemplo, é comum achar
situações em que, nas fábricas, trabalhamos com taxa de produção diária, semanal,
ou outra, em vez de trabalharmos com ordem de produção (que é como o MRP
trabalha). É necessário, portanto, para aquelas empresas que desejam utilizar o
MRP II e que tenham produções de altos volumes e repetitivas, que sejam apoiadas
por alguma ferramenta que ajude na compatibilização da forma que o MRP II
trabalha (por exemplo, com ordens de produção). Esse apoio é dado pelo módulo de
apoio à produção repetitiva.
Apoio à Gestão de Produção em processos: Empresas que têm produção em fluxo
contínuo também, em princípio, não são bem atendidas pela lógica original estrita do
MRP II. Algumas soluções de aplicativos de software MRP II, portanto disponibilizam
um módulo específico para o apoio à produção em fluxo contínuo, muitas vezes
chamado módulo de apoio à gestão de produção em processo, inclusive com o
tratamento adequado de co-products e by-products.
Apoio à Programação com Capacidade Finita de Produção Discreta:
Configuração de Produtos:
2. Módulos Relacionados à Gestão Financeira/ Contábil/ Fiscal
Contabilidade Geral: Módulo que contempla todas as funções tradicionais
necessárias para atender a necessidades da contabilidade geral.
Custos: Módulo que apóia a apuração de custos de produção integrado com os
módulos que geram as transações físicas que originam as transações de custos.
Podemos, em geral, apurar custos-padrão, custos efetivos sendo que algumas
soluções apóiam inclusive as empresas que decidem adotar a lógica de custeio por
atividade (ABC).
Contas a Pagar: Módulo que apóia o controle das obrigações e pagamentos devidos
pela empresa, cadastro de fornecedores, entre outros.
87
Contas a Receber: Controle de contas a receber, cadastro de clientes, controle de
situação creditícia de clientes, prazos, entre outros.
Faturamento: Módulo que apóia a emissão e controle de faturas e duplicatas
emitidas e apóia também as receitas fiscais referente à venda de produtos.
Recebimento Fiscal: Módulo que apóia as transações fiscais referente ao
recebimento de materiais.
Contabilidade Fiscal: Módulo que apóia as transações da empresa em seus
aspectos de necessidade de cumprimento de requisitos legais (manutenção de
livros fiscais etc).
Gestão de Caixa: Módulo financeiro de apoio à gestão (planejamento e controle)
dos encaixes e desencaixes da empresa.
Gestão de Ativos: Módulo que apóia o controle dos ativos (aquisição, manutenção,
baixas) da empresa.
Gestão de Pedidos: Módulo de apoio à administração dos pedidos de clientes.
Aprovação de crédito, controle de datas, entre outros.
Definição e Gestão dos Processo de Negócio (Workflow): Módulo que apóia a
empresa no sentido de mapear e redefinir seus processos administrativos.
3. Módulos Relacionados à Gestão de Recursos Humanos
Pessoal (Personnel): Controla o efetivo de pessoal da empresa, tratando de
aspectos como centros de custo no qual os funcionários, programação de férias,
currículos, programação de treinamento, avaliações entre outros.
Folha de Pagamento (Payroll): Controla a folha de salários dos funcionários da
empresa.
88
JAVA
A infra-estrutura de hardware necessária pode ser assim dividida:
• Servidor
Pentium III com 512 MB de memória RAM de 20 GB de disco
• Estação de Trabalho
Pentium II com 64 MB de memória RAM e 10 GB de disco
• Aplicações Instaladas
Aplicações Instaladas:
• Servidor
J2DK 1.4.x
JaKarta-apache-tomcat 4.1.x
• Estação de trabalho
Web Browser - IE ou Mozilla