Você está na página 1de 35

Planejamento e Controle da Produo

Administrao da Produo I Prof. Dra. Sandra Mara S Bnkuti

PCP - horizonte
Vendas Projeto de produto e processo Planejamento estratgico Plano de Produo

Plano Mestre Planejamento Operacional Programao

Cliente

Produto

Ordem

kanban

Controle

Planejamento Ttico

PCP - horizonte
hoje Horizontes de planejamento curto prazo mdio prazo Longo prazo Efeito da deciso A Efeito da deciso B Efeito da deciso C

tempo

decises

A B C

PCP - horizonte
Conciliar demanda e produo
Meses/anos Planejamento Longo prazo

Dias/semanas/meses

Mdio prazo

horas/dias

Controle

Curto prazo

PCP
Conciliao entre demanda e fornecimento Necessidade de lidar com incertezas
Em fornecimento Em demanda

Natureza da demanda
Grau de incerteza Demanda dependente e demanda

independente Tipo de resposta demanda


MTS ATO MTO RTO ETO

Elementos da gesto da demanda


Previso da demanda Influncia sobre mercado Promessa de prazos Priorizao e alocao Comunicao com o mercado

PCP e previso de demanda


Longo prazo: previso de demanda agregada Mdio prazo: desagregao parcial Curto prazo: desagregao total / demanda real

Agregao dos dados


Sanduche Previso para o ms passado (feita h um ano e meio) 2500 6000 4500 3000 1200 1800 18.000 Quarteiro com queijo Big Mac Hamburger Cheeseburger Fil de peixe MacChicken Total

Agregao dos dados


Sanduche Vendas efetivas no ms passado na loja analisada 1930 7269 4980 2730 1429 1050 18.443 % erro da previso 22,8% 21,5% 10,6% 9,0% 19,0% 41,6% 2,4% Mdia dos erros das previses por Sanduche 20,8%

Quarteiro com queijo Big Mac Hamburger Cheeseburger Fil de peixe MacChicken Total

Previso da demanda
Previso de dem anda / erro
Erros esperados de previso crescem com o horizonte Faixa de erro esperado

P r e v is o

Hoje

Horizonte futuro

(tempo)

Projees
Demanda
Vendas reais do passado Ciclicidade identificada no passado e projetada no futuro Faixa de erro identificada no passado e projetada para o futuro

Previses de curto prazo feitas com base nas projees

Tendncia identificada no passado e projetada no futuro

tempo
passado futuro

Fatores que influenciam


Tendncia Sazonalidade Variao randmica Variao irregular

Tendncia

Quantidade

Tempo
Tendncia: os dados aumentam ou diminuem consistentemente.

Sazonalidade

Quantidade

Ano 1

Ano 2 |
J

|
F

|
M

|
A

|
M

|
J

|
J

|
A

|
S

|
O

|
N

|
D

Meses
Sazonal: os dados exibem picos e vales consistentemente.

Ciclicidade

Quantidade

|
1

|
2

|
3

|
4

|
5

|
6

Anos
Cclico: os dados revelam aumentos e diminuies graduais ao longo de perodos extensos.

Projeto e melhoramento contnuo do processo de gerar previses

Processo
Informaes da conjuntura econmica Decises da rea comercial Outras informaes de mercado Informaes de clientes Informaes de concorrentes Reunio de Previso Comprometimento das reas envolvidas Tratamento Tratamento das informaes das disponveis Tratamento quantitativo dos dados Tratamento de vendas e outras estatstico dos dados de vendas e variveis outras variveis Tratamento Tratamentoqualitativo estatsticodas dos dados de vendas e informaes outras variveis

Informaes que expliquem comportamento atipico Dados histricos de vendas Dados de variveis que expliquem as vendas

Previso de vendas Previso de vendas

Avaliao crtica do processo de gerar previses

Unidades 100 200 250 300 350 400 450 150 50

0 jan/01 mar/01 mai/01 jul/01 set/01 nov/01 jan/02 mar/02 mai/02 jul/02 set/02 nov/02 jan/03 mar/03 mai/03 jul/03 set/03 nov/03 Ciclicidade Meses tendncia Vendas

Sries histricas

Abordagem qualitativa vs quantitativa


Presena crescente da hiptese de continuidade dos padres de comportamento

Presena crescente de histricos longos e confiveis de dados

parcela qualitativa da previso

parcela quantitativa da previso

Tcnicas de previso
Tcnicas de previso

Quantitativas

Qualitativas

Intrnsecas

Extrnsecas

Mtodo Delphi

Sries temporais

Regresso simples Regresso mltipla

Painel Planejamento de cenrio Pesquisa de mercado

Mdia mvel

Ajuste exponencial

Mtodo Delphi

Mtodo Delphi

Mtodo Delphi

Mdia mvel

Vt 1 +Vt 2 + ... + Vt n Pt = n

Mdia mvel
Vendas reais de copos Janeiro Fevereiro Maro Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro 154 114 165 152 176 134 123 154 134 156 123 145 (154 + 114 + 165) / 3 = 144,3 (114 + 165 + 152) / 3 = 143,7 (165 + 152 + 176) / 3 = 164,3 (152 + 176 + 134) / 3 = 154,0 (176 + 134 + 123) / 3 = 144,3 (134 + 123 + 154) / 3 = 137,0 (123 + 154 + 134) / 3 = 137,0 (154 + 134 + 156) / 3 = 148,0 (134 + 156 + 123) / 3 = 137,7 Mdia mvel de 3 perodos MM3

Mdia mvel ponderada

xVt 1 + yVt 2 + ... +zVt n Pt = x+ y+z

Mdia mvel ponderada


Vendas reais de copos Janeiro Fevereiro Maro Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro 154 114 165 152 176 134 123 154 134 156 123 145 [(1*154) + (2*114) + (3*165)] / 6 = 146,2 [(1*114) + (2*165) + (3*152)] / 6 = 150,0 [(1*165) + (2*152) + (3*176)] / 6 = 166,2 [(1*152) + (2*176) + (3*134)] / 6 = 151,0 [(1*176) + (2*134) + (3*123)] / 6 = 135,5 [(1*134) + (2*123) + (3*154)] / 6 = 140,3 [(1*123) + (2*154) + (3*134)] / 6 = 138,8 [(1*154) + (2*134) + (3*156)] / 6 = 148,3 [(1*134) + (2*156) + (3*123)] / 6 = 135,8 Mdia mvel de 3 perodos ponderada com pesos 3, 2 e 1

Ajuste exponencial

Pt = Vt 1 +(1 ) Pt 1
= constante de ajuste Equilbrio entre a sensibilidade das previses s mudanas na demanda e a estabilidade das previses.

Ajuste exponencial
Vendas reais de copos Suavizamento exponencial com alfa 0,1 ltima previso (feita em dezembro) Janeiro Fevereiro Maro Abril Maio Junho 154 114 165 152 176 134 150 [(0,1)*(154) + (1 - 0,1)*(150)] = 150,4 [(0,1)*(114) + (1 - 0,1)*(150,4)] = 146,8 [(0,1)*(165) + (1 - 0,1)*(146,8)] = 148,6 [(0,1)*(152) + (1 - 0,1)*(148,6)] = 148,9 [(0,1)*(176) + (1 - 0,1)*(148,9)] = 151,6 150 153,2 121,8 156,4 152,9 171,4 Suavizamento exponencial 0,8

Ajuste exponencial
Junho Julho Agosto Setembro Outubro Novembro Dezembro 134 123 154 134 156 123 145 [(0,1)*(176) + (1 - 0,1)*(148,9)] = 151,6 [(0,1)*(134) + (1 - 0,1)*(151,6)] = 149,9 [(0,1)*(123) + (1 - 0,1)*(149,9)] = 147,2 [(0,1)*(154) + (1 - 0,1)*(147,2)] = 147,9 [(0,1)*(134) + (1 - 0,1)*(147,9)] = 146,5 [(0,1)*(156) + (1 - 0,1)*(146,5)] = 147,4 [(0,1)*(123) + (1 - 0,1)*(147,4)] = 145,0 171,4 141,5 126,7 148,5 136,9 152,2 128,8

Regresses
Modelos causais para compreender a intensidade de um relacionamento entre variveis Varivel dependente (P) Variveis explicativas Ex: temperatura e venda de cerveja; taxa de natalidade e venda de fraldas descartveis; renda e vendas de automveis

Requisitos para uma boa previso


Conhecer os mercados, suas necessidades e comportamentos. Conhecer os produtos e seus usos (razes da sazonalidade). Saber analisar os dados histricos. Conhecer a concorrncia e seu comportamento.

Requisitos para uma boa previso


Conhecer as aes da empresa que afetam a demanda; Formar uma base de dados relevantes para a previso; Documentar todas as hipteses feitas na elaborao da previso, e os resultados reais e razes ou fatores de variao; Aprimorar o entendimento sobre o mercado

Requisitos para uma boa previso


Aprimorar a comunicao entre os nveis, gerando maior conhecimento do processo; Facilitar o monitoramento do mercado; Trabalhar com fatos e no apenas com opinio; Articular diversos setores para elaborao da previso; Entender as incertezas.