planejamento e controle da produção teoria e prática prof. dalvio ferrari tubino, dr....

Planejamento e Controle da Produção Teoria e Prática

Prof. Dalvio Ferrari Tubino, [email protected]

www.deps.ufsc.br/lssp

Capítulo 2Previsão da Demanda

mailto:[email protected]

http://www.deps.ufsc.br/lssp

Planejamento e Controle da Produção: Teoria e Prática2

Compras

Pedidos de Compras

Planejamento Estratégico da Produção

Plano de Produção

Planejamento-mestre da Produção

Plano-mestre de Produção

Programação da ProduçãoAdministração dos EstoquesSeqüenciamentoEmissão e Liberação

Ordens de Compras

Ordens de Fabricação

Ordens de Montagem

Fabricação e MontagemEstoques

Clientes

Marketing

Engenharia

Fornecedores

Acom

panhamento e C

ontrole da Produção

Previsão de Vendas

Pedidos em Carteira

Estrutura do Produto

Roteiro de Fabricação

Aval

iaçã

o de

Des

empe

nho

Fluxo de Informações e PCP


Previsão da Demanda

As previsões têm uma função muito importante nos processos de planejamento dos sistemas de produção, pois permite que os administradores destes sistemas antevejam o futuro e planejem adequadamente suas ações

São usadas pelo PCP em dois momentos distintos para planejar o sistema produtivo para planejar o uso deste sistema produtivo


Previsão da Demanda A responsabilidade pela preparação da previsão

da demanda normalmente é do setor de Marketing ou Vendas. Porém, existem dois bons motivos para que o pessoal do PCP entenda como esta atividade é realizada:

A previsão da demanda é a principal informação empregada pelo PCP na elaboração de suas atividades

Em empresas de pequeno e médio porte cabe ao pessoal do PCP (geralmente o mesmo de Vendas) elaborar estas previsões


Previsão da Demanda

A previsão da demanda dos produtos não é uma ciência exata, envolve uma boa dose de experiência e julgamento pessoal do planejador – sujeita a erros

Será sempre mais vantajoso basear os planos de longo e de médio prazo em informações confiáveis, vindo diretamente dos clientes parceiros, do que fazer previsões sujeita a erros (manufatura enxuta)


Modelo de Previsão da Demanda

Objetivo do Modelo

Coleta e Análise dos Dados

Seleção da Técnica de Previsão

Obtenção das Previsões

Monitoração do Modelo


Objetivo do Modelo Consiste em definir a razão pela qual se necessita

de previsões Que produto (ou famílias de produtos) será previsto,

com que grau de acuracidade e detalhe a previsão trabalhará, e que recursos estarão disponíveis para esta previsão

A sofisticação e o detalhamento do modelo dependem da importância relativa do produto (ou família de produtos) a ser previsto e do horizonte ao qual a previsão se destina

Itens pouco significativos podem ser previstos com maior margem de erro, empregando-se técnicas simples, assim como se admite margem de erro maior para previsões de longo prazo, empregando-se dados agregados de famílias de produtos


Coleta e Análise de Dados

Alguns cuidados básicos devem ser tomados na coleta e análise dos dados, dentre eles os seguintes Quanto mais dados históricos forem coletados e analisados, mais

confiável a técnica de previsão será Os dados devem buscar a caracterização da demanda pelos

produtos da empresa, que não é necessariamente igual as vendas passadas, pois podem ter ocorrido falta de produtos, postergando as entregas ou deixando de atendê-las

Variações extraordinárias da demanda, decorrentes de promoções especiais, por exemplo, devem ser analisadas e substituídas por valores médios, compatíveis com o comportamento normal da demanda


Coleta e Análise de Dados

O tamanho do período de consolidação dos dados (semanal, mensal, trimestral, anual, etc.) tem influência direta na escolha da técnica de previsão mais adequada, assim como na análise das variações extraordinárias

0200400600800

1.0001.200

Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.

A (mensal) B (trimestral)

sazonalidade média



Uma vez coletados e analisados os dados passados, pode-se decidir pela técnica de previsão mais apropriada Existem técnicas qualitativas e quantitativas Cada uma tendo o seu campo de ação e sua

aplicabilidade Não existe uma técnica que seja adequada a todas as

situações



Fatores que merecem destaque na escolha da técnica de previsão são Custo e acuracidade Disponibilidade de dados históricos Experiência passada com a aplicação de determinada

técnica Disponibilidade de tempo para coletar, analisar e preparar

os dados e a previsão Período de planejamento para o qual se necessita da

previsão


Obtenção das Previsões e Monitoração do Modelo

Com a definição da técnica de previsão e a aplicação dos dados passados para obtenção dos parâmetros necessários, pode-se obter as projeções futuras da demanda Quanto maior for o horizonte pretendido, menor a

confiabilidade na demanda prevista


Obtenção das Previsões e Monitoração do Modelo

À medida que as previsões forem sendo alcançadas pela demanda real, deve-se monitorar a extensão do erro entre a demanda real e a prevista para verificar se a técnica e os parâmetros empregados ainda são válidos Em situações normais, um ajuste nos parâmetros

do modelo Em situações críticas, um estudo desde o primeiro

passo


Técnicas de Previsão

A definição da técnica de previsão que melhor se adapte a uma situação específica é apenas um dos passos do modelo de previsão, porém, sem dúvida, o mais importante

Existe uma série de técnicas disponíveis, com diferenças substanciais entre elas


Técnicas de Previsão

As características gerais presentes em todas as técnicas de previsão, que são Supõe-se que as causas que influenciaram a

demanda passada continuarão a agir no futuro As previsões não são perfeitas, pois não se é capaz

de prever todas as variações aleatórias que ocorrerão

A acuracidade das previsões diminui com o aumento do período de tempo auscultado

A previsão para grupos de produtos é mais precisa do que para os produtos individualmente, visto que no grupo os erros individuais de previsão se minimizam


Técnicas de previsão

As técnicas de previsão podem ser subdivididas em dois grandes grupos: As técnicas qualitativas: privilegiam principalmente

dados subjetivos, os quais são difíceis de representar numericamente Baseadas na opinião de especialistas

As técnicas quantitativas: envolvem a análise numérica dos dados passados, isentando-se de opiniões pessoais ou palpites. Séries Temporais Correlações


Previsões: Séries Temporais

010203040506070

Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.

Dem

anda

Variação irregular

Sazonalidade

Tendência

Variação randômica

A demanda futura será uma projeção dos valores passados, não sofrendo influência de outras variáveis


Previsão da Média

2.000

2.500

3.000

3.500

4.000

4.500

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

Períodos (meses)

Dem

anda

(kg)

Média móvel: usa dados de um número predeterminado de períodos para gerar sua previsão

Média exponencial móvel: o peso de cada observação decresce no tempo em progressão geométrica, ou de forma exponencial


Média Móvel

n

DMm

n

ii

n

1


Média Móvel

2.000

2.500

3.000

3.500

4.000

4.500

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

Períodos (meses)

Dem

anda

(kg)

D.Real Mm3 Mm6 Mm12

Vantagem: simplicidade operacional e facilidade de entendimento

Desvantagem: armazenar um grande número de dados Utilização: para produtos não muito relevantes e

demandas estáveis


Média Exponencial Móvel 111 tttt MDMM

2561,032624 M

326230061,032624 M

6,2532624 M

32364 M


Média Exponencial Móvel

2.000

2.500

3.000

3.500

4.000

4.500

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

Períodos (meses)

Dem

anda

(kg)

D.Real M 0,10 M 0,50 M 0,80

Cada nova previsão é obtida com base na previsão anterior, acrescida do erro cometido na previsão anterior, corrigido por um coeficiente de ponderação.


Previsão da Tendência

Equação linear para a tendência

Ajustamento exponencial para a tendência

1.000

1.500

2.000

2.500

3.000

3.500

4.000

4.500

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

Períodos (meses)

Dem

anda

(kg)


Equação Linear

Y a bX

bn XY X Y

n X X

2 2

a

Y b X

n

Y = 3.935 - 75,2870 X


Equação Linear

Y = 3.935 - 75,2870 X

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

1.000

1.500

2.000

2.500

3.000

3.500

4.000

4.500

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

Períodos (meses)

Dem

anda

(kg)

D.Real D.Prev

R2 (coeficiente de determinação)


Ajustamento Exponencial

P M Tt t t 1

M P D Pt t t t 1

T T P P Tt t t t t 1 2 1 1

Chamado também de duplo ajustamento Quando a demanda apresenta tendência, o emprego da

média exponencial móvel simples demorará a reagir a esta tendência. O duplo ajustamento corrige mais rapidamente



3627,032706 M

ttt TMP 1

tttt PDPM 1

T T P P Tt t t t t 1 2 1 1

327036327,032706 M

172325032703,01726 T

35236 M

11435237 P

172203,01726 T 1923,01726 T

1146 T

34097 P



1.000

1.500

2.000

2.500

3.000

3.500

4.000

4.500

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

Períodos (meses)

Dem

anda

(kg)

D.Real D.Prev


Previsão da Sazonalidade

01.0002.0003.0004.0005.0006.0007.0008.0009.000

10.000

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

Períodos (meses)

Dem

anda

(kg)

D.Real 1 D.Real 2

Sazonalidade Simples (D. Real 1 – ciclo 9 per.)

Sazonalidade com Tendência (D. Real 2 – ciclo 6 per.)

Inicialmente, tem que se identificar o ciclo de sazonalidade


Sazonalidade Simples

Calcular o Índice de Sazonalidade, dividindo-se o valor da demanda no período pela média móvel centrada nesse período

O período empregado para o cálculo da média móvel é o ciclo da sazonalidade.

IS1 = (1,1942 + 1,2320)/2



Aplicar o índice de sazonalidade do período em cima da demanda média (média das médias móveis centradas)

Período D.Média IS D.Prev D.Real Erro1 2.907 1,2131 3.527 3.600 732 2.907 1,1543 3.356 3.416 603 2.907 0,9432 2.742 2.682 -604 2.907 0,7737 2.250 2.250 05 2.907 0,7209 2.096 2.107 116 2.907 0,8174 2.376 2.352 -247 2.907 0,9798 2.849 2.841 -88 2.907 1,1464 3.333 3.322 -119 2.907 1,2510 3.637 3.720 83

10 2.907 1,2131 3.527 3.468 -5911 2.907 1,1543 3.356 3.349 -712 2.907 0,9432 2.742 2.745 313 2.907 0,7737 2.250 2.254 414 2.907 0,7209 2.096 2.086 -1015 2.907 0,8174 2.376 2.400 2416 2.907 0,9798 2.849 2.850 117 2.907 1,1464 3.333 3.344 1118 2.907 1,2510 3.637 3.564 -7319 2.907 1,2131 3.527 3.576 4920 2.907 1,1543 3.356 3.360 421 2.907 0,9432 2.742 2.745 322 2.907 0,7737 2.250 2.325 7523 2.907 0,7209 2.096 1.960 -13624 2.907 0,8174 2.376 2.400 24

3834MAD

D.Prev = D.Média + D.Média (IS - 1)

Erro Acumulado




1.000

2.000

3.000

4.000

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

Períodos (meses)

Dem

anda

(kg)

D.Prev D.Real


Sazonalidade com Tendência

Obter os índices de sazonalidade através da média móvel centrada



retirar o componente de sazonalidade da série de dados históricos, dividindo-os pelos correspondentes índices de sazonalidade



y = 286,35x + 1108,3R2 = 0,9955

0

2.000

4.000

6.000

8.000

10.000

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

Períodos (meses)

Dem

anda

(kg

)

Y = 286,35 X + 1.108,3

Com esses dados, desenvolver uma equação que represente o componente de tendência



Com a equação da tendência fazer a previsão da demanda e multiplicá-la pelo índice de sazonalidade



0

2.000

4.000

6.000

8.000

10.000

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

Períodos (meses)

Dem

anda

(kg)

D.Real D.Prev


Previsão Baseada em Correlações

mínimo 2

Y = a + bX Y

X

Y a bX

bn XY X Y

n X X

2 2

a

Y b X

n

Correlação dos mínimos

quadrados

Pode-se medir a existência de correlação entre duas variáveis

através do coeficiente de correlação de Pearson (r)



Y = 1.757 + 2,99 X

b = [(13 x 5.224.860.000) – (143.100 x 450.710)] / [(13 x 1.663.370.000) – (143.100 x 143.100)] = 2.99

a = [450.710 – (2,99 x 143.100)] / 13 = 1.757



Y = 1.757 + 2,99 X

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

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

20.000

25.000

30.000

35.000

40.000

45.000

50.000

5.000 7.000 9.000 11.000 13.000 15.000 17.000

Número de Alunos

Ven

das

por C

asa

Y = 1.757 x 2,99 X

Correlação Linear


Manutenção e Monitoração

MADD D

natual prevista

ObjetivosVerificar a acuracidade dos valores previstos Identificar, isolar e corrigir variações anormais Permitir a escolha de técnicas, ou parâmetros, mais

eficientes

Como monitorar?Erro acumulado que deve tender a zeroGráfico de controle de 4 MAD



-500-400-300-200-100

0100200300400500

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

Períodos (meses)

Err

o (k

g)

4 MAD = 113 x 4 = 452 kg

O valor do erro de previsão servirá de base para o planejamento e dimensionamento dos estoques de segurança do sistema de PCP


De uma forma geral, uma série de fatores pode afetar o desempenho de um modelo de previsão: a técnica de previsão pode estar sendo usada incorretamente, ou

sendo mal interpretada; a técnica de previsão perdeu a validade devido à mudança em uma

variável importante, ou devido ao aparecimento de uma nova variável;

variações irregulares na demanda podem ter acontecido em função de greves, formação de estoques temporários, catástrofes naturais, etc.

ações estratégicas da concorrência, afetando a demanda; variações aleatórias inerentes aos dados da demanda.

Um modelo de previsão para a demanda funciona adequadamente quando apenas os erros decorrentes de variações aleatórias ocorrem. Quando outros tipos de erros aparecem, eles devem ser investigados para identificar suas causas e corrigir o problema.


Planejamento e Controle da Produção Teoria e Prática

Prof. Dalvio Ferrari Tubino, [email protected]

www.deps.ufsc.br/lssp

Capítulo 2Previsão da Demanda

mailto:[email protected]

http://www.deps.ufsc.br/lssp


EXERCÍCIOS1 Quais os motivos que fazem com que as pessoas envolvidas com o

PCP devam ter conhecimentos sobre a Previsão de Demanda?2 Qual o objetivo do estabelecimento do modelo de Previsão de

Demanda?3 As técnicas de previsão podem ser subdivididas em dois grandes

grupos. Quais são?4 Defina As técnicas quantitativas.5 Quais as vantagens e desvantagens do uso da média móvel.6 Quais os fatores pode afetar o desempenho de um modelo de

previsão.

planejamento e controle da produção teoria e prática prof. dalvio ferrari tubino, dr....

Documents