PLANEJAMENTO E CONTROLE

DA PRODUO (CURTO PRAZO)

GESTO DA PRODUO INDUSTRIAL

ADRIANO MACHADO DA SILVA

ENGENHEIRO DE PRODUO

DI
C

M
RP

AD
O
RE
S
JU
ST
IN

TI

M
E

TTICO

OPERACIONAL

EH
PR
O
DE
EV
DE IS
RS
M O
AN
DA DE

SU
PP
LY

CH
AI

PL
A
PR NO
O M
DU ES
TR
O E

ES
TR
AT
GI
CO
ST
AK

ER
P

IN

DA PRODUO (CURTO
PRAZO)

DA PRODUO (CURTO
PRAZO)
FLUXO DE INFORMAO
INDUSTRIA

PRODUTO
M

So
lici
ta

de
c

om
pr a
s

Entrada de materiais

Previso de venda

a
Pl

to
en
m
ja
e
n

de

is
ria
e
at

MATERIAIS

Planejamento
Compras
deMateriais
Produo
Estoque
de
Vendas
Controle
Estoque
Produto
Produo

Ve
nd

de

Pr
od
ut
o

pr
on
t

ad
m
ra
og
n
ro

u
od
Pr

PREVISO DE DEMANDA

PREVISO DE DEMANDA
O QUE ?

Processo racional de busca de informaes

acerca do valor das vendas futuras de um
item ou de um conjunto de itens

Importncia da Previso da
Demanda para:
Finanas: projetar necessidades de capital ao longo

prazo

RH: estimar necessidades dos funcionrios

Sistemas de informao gerencial: projeta e implementa

sistemas de previso

Marketing: desenvolvem previses de vendas que sero

utilizadas para planos de mdio e longo prazo

Operaes: desenvolve e utiliza previses para decises

como programao de funcionrios, reposio de

estoques a curto prazo e o planejamento a longo prazo
da capacidade

Fatores que influenciam a demanda

por produtos e servios
Fatores competitivos
Tendncias de mercado
Propaganda,

promoo, determinao
preos e mudanas do produto

Mudanas tecnolgicas avanadas

Preocupaes ambientais

de

Projeto de um sistema de
previso
O gerente deve tomar trs decises antes

de usar tcnicas de previses:

O que prever?
Que tipo de tcnica da previso usar?
Que tipo de hardware ou software

ambos) usar?

(ou

Escolha do tipo de tcnica de

previso
Fator importante: horizonte de tempo para

a deciso que requer previso

HORIZONTE DE TEMPO
APLICAO

CURTO PRAZO
(0-3 meses)

MDIO PRAZO
(3 meses a 2 anos)

LONGO PRAZO
(mais de 2 anos)

Previses de
quantidade

Produtos ou
servios individuais

Vendas totais
Grupos ou famlias
de produtos ou
servios

Vendas totais

rea de deciso

Gerenciamento de
estoque
Programao de
montagem final
Programao de
equipe de vendas
Programao geral
da produo

Planejamento do
quadro de
colaboradores
Planejamento da
produo
Programao geral
da produo
Compras
Distribuio

Localizao
das
instalaes
Planejamento
da
capacidade
Gerenciamen
to de
processos

Tcnica
Aline Cazarini
de
previso

Srie de tempo
Causal

Causal
Julgamento

Causal
Julgamento

Mtodos de Previso
Diversos mtodos
A escolha de um mtodo depende de certos

fatores:

Disponibilidade de dados, tempo e recursos

Horizonte de previso

Caractersticas comuns:
O comportamento passado base para inferir sobre o
comportamento futuro
Os mtodos no conduzem a resultados perfeitos;
quanto maior o horizonte de previso, maior a chance
de erro
9

Classificao dos Mtodos de

Previso
Qualitativos
Baseados no julgamento de pessoas que, de

forma direta ou indireta, tenham condies

de opinar sobre a demanda futura
Quantitativos
Utilizam modelos matemticos para chegar

aos valores previstos

10

Mtodos qualitativos
Estimativas da equipe de vendas
Opinio dos executivos
Pesquisas de mercado
Mtodo Delphi

11

Estimativa da equipe de
vendas
Usado principalmente para produtos e servios

existentes
Estimativa de vendas regionais so obtidas de membros

individuais da equipe
Essas estimativas so combinadas para formar uma

nica estimativa de vendas

necessrio que a empresa tenha um bom sistema de

comunicao em funcionamento e uma equipe de

vendas que vende diretamente aos clientes

12

Estimativa da equipe de
vendas
Vantagens:
Maior probabilidade de conhecer produtos e servios

que os clientes desejam

Territrio de vendas dividido por distrito ou regies
Previses
individuais
da
equipe
podem
ser
combinadas

Desvantagens:
Distores individuais
Diferenciar entre o que o cliente deseja e o que ele

precisa
Vendedores podem subestimar suas previses
13

Opinio dos executivos

Mtodo no qual as opinies, experincia e o

conhecimento tcnico de um ou mais

gerentes so adotados para se obter uma
previso nica
Desvantagem: opinio executiva pode ser

custosa

14

Pesquisas de Mercado
Procedimentos teis para novos produtos ou

servios, ou produtos existentes a serem

introduzidos em novos seguimentos de
mercado
Questionrios por correspondncia, entrevistas

telefnicas ou entrevistas de campos formam a

base para testar hipteses sobre mercados
reais

15

Pesquisas de Mercado
Desvantagens:
ndice tpico de resposta
Possibilidade

de que os relatrios
reflitam opinies do mercado

Ideias imitativas em vez de inovadoras

16

no

Mtodo Delphi
Consiste

na reunio de um grupo de
pessoas que devem opinar sobre um certo
assunto, dentro de regras determinadas
para a coleta e depurao das opinies

Geralmente envolvem situaes de longo

prazo, onde os dados so escassos ou

mesmo inexistentes

17

Mtodo Delphi
Formado

por pessoas que participaro do

processo:
Especialistas no assunto ou em assuntos correlatos
Expressam a opinio atravs de um questionrio

individual
Um sumrio das opinies preparado e distribudo ao
grupo, dando uma maior ateno as opinies
divergentes da mdia
Pergunta-se aos participantes se querem rever suas
previses em relao aos resultados
Repete-se esse procedimento at atingir consenso

18

Mtodo Delphi
Vantagem:
Permite obter opinies pessoais sem que

haja interao dentro do grupo, as quais

poderiam distorcer resultados
Desvantagem:
No

h mecanismos para se debater a

eventual ambiguidade de algumas questes

19

Mtodos quantitativos
Mtodo causal: usa dados histricos para

as
variveis
independentes,
como
campanhas
promocionais,
condies
econmicas e ao dos concorrentes
Anlise de srie temporal: baseia-se em

dados histricos da demanda a fim de

projetar a dimenso futura da demanda,
reconhecendo
tendncias
e
padres
sazonais
20

Mtodo Causal: Regresso Linear

Simples
Usado quando h dados histricos
Na regresso linear, uma varivel,

denominada Varivel dependente,

relaciona-se com uma ou mais
Variveis independentes por meio
de uma equao linear: Y = a+bX
onde,
Y = varivel dependente
X = varivel independente
a = interseco da linha no eixo Y (+

ou -)
b = inclinao da linha (coeficiente
angular da reta) (+ ou -)

21

Regresso
Linear
Simples:
Significado dos parmetros da reta

Regresso Linear Simples: Mtodo

dos Mnimos Quadrados (MMQ)
Equao de reta para valores previstos: =

a+bX
Erro de Previso: Yii
Critrio: os parmetros a e b da reta devem

ser tais que o erro total (Yii)2 seja o mnimo

possvel
Equaes normais
Y= na + bX
XY= aX + b X2
22

Exemplo: MMQ
A gerente de Marketing de uma empresa deseja saber se a demanda por

um determinado tipo de produto dependente do valor gasto com

propaganda para o mesmo. Os dados das demandas dos meses anteriores
e os gastos com propagandas encontram-se na tabela abaixo. Determine
atravs da regresso linear simples se a demanda realmente depende do
valor gasto em propaganda. Qual a previso da demanda para o ms de
fevereiro
que o valor (xMil)
investido em
propaganda
foi depropaganda
$2,3mil?
MS sendoDemanda
Valor
gasto com

(xMil)

23

Setembro 1,25

5,1

Outubro

1,50

5,7

Novembr
o

1,46

5,5

Dezembr
o

2,00

6,2

Janeiro

2,54

7,5

Resoluo pelo Excel

X

3
2.5

f(x) = 0.55x - 1.57

R = 0.97

2
1.5
1
0.5
0
5

5.5

6.5

7.5

XY

X2

5,10 1,2
5

6,375 26,0
1

5,70 1,5
0

8,550 32,4
9

5,50 1,4
6

8,030 30,2
5

6,20 2,0
0

12,40 38,4
0
4

7,50 2,5 19,05 56,2

considerada
4
0 a 5

A equao da reta (y = a+bx)

previso para prxima demanda. 30, 8,7 54,4 183,
00
5
05
44
A equao da reta nos deixa 2 parmetros
a serem
determinados (a e b), podemos utilizar o mtodo de
substituio
Y= na +das
bX equaes normais, ou seja,
XY= aX + b X2
24

Resoluo pelo Excel

X

3
2.5

f(x) = 0.55x - 1.57

R = 0.97

2
1.5
1
0.5
0
5

5.5

6.5

7.5

XY

X2

5,10 1,2
5

6,375 26,0
1

5,70 1,5
0

8,550 32,4
9

5,50 1,4
6

8,030 30,2
5

6,20 2,0
0

12,40 38,4
0
4

7,50 2,5
4

19,05 56,2
0
5

(1) Y= na + bX
(2) XY= aX + b X2
30, 8,7 54,4 183,
(1) _ 8,00
75 5a5 30b05
_(6) 44
Para = 5 (1) substituindo os valores temos:
(2) _ 54,405 30a 183,44b
Para eliminarmos o item a vamos multiplicar a (1) por -6 em
seguida faremos a soma das equaes
25

Resoluo pelo Excel

X

3
2.5

f(x) = 0.55x - 1.57

R = 0.97

2
1.5
1
0.5
0
5

5.5

6.5

7.5

XY

5,10 1,2
5

6,375 26,0
1

5,70 1,5
0

8,550 32,4
9

5,50 1,4
6

8,030 30,2
5

6,20 2,0
0

12,40 38,4
0
4

7,50 2,5
4

19,05 56,2
0
5

(1) Y= na + bX
(2) XY= aX + b X2
(1) _ 5230,
,5 30a8,7
180b 54,4
(2) _ 54,00
405 30a5 183,44
b
Para = 5 (1) substituindo os valores temos:
05
_______________________
1,905 3,44b

b
26

X2

1,905
b 0,5537
3,44

183,
44

Resoluo pelo Excel

X

3
2.5

f(x) = 0.55x - 1.57

R = 0.97

2
1.5
1
0.5
0
5

5.5

6.5

7.5

XY

X2

5,10 1,2
5

6,375 26,0
1

5,70 1,5
0

8,550 32,4
9

5,50 1,4
6

8,030 30,2
5

6,20 2,0
0

12,40 38,4
0
4

7,50 2,5 19,05 56,2

Para acharmos o valor de a basta substituir o4valor
0 de b5 na

equao original (1), assim temos

8,75 5a 30 * 3,44 8,75 5a 16,611
16,611 8,75
a
a 1,5722
5
27

30,
00

8,7 54,4
5
05

1,905
b 0,5537
3,44

183,
44

Resoluo pelo Excel

X

3
2.5
2

f(x) = 0.55x - 1.57

R = 0.97

1.5
1
0.5
0
5

5.5

6.5

7.5

X2

5,10 1,2
5

6,375 26,0
1

5,70 1,5
0

8,550 32,4
9

5,50 1,4
6

8,030 30,2
5

6,20 2,0
0

12,40 38,4
0
4

7,50 2,5 19,05 56,2

x=2,3 substituindo
4
0
5 na

Sabendo que nossa varivel

equao da reta y=a+bx calculada30,
temos,
8,7
y 0,5537 * 2,3 1,5722 y 2,846

XY

00

54,4
05

183,
44

Substituindo na equao com valor positivo para a

dada
pelo
y 0,5538
* 2,3 1Excel
,5727 ytemos,
2,846
28

Regresso linear: Coeficiente de

Correlao da Amostra
Objetivo: determinar os valores de a e b que

minimizem a soma dos quadrados dos desvios

dos dados reais em relao a linha
Trs medidas:
Coeficiente de correlao da amostra r
Varia de -1 a 1 (r=1 correlao perfeita e positiva,
ou seja, qdo uma cresce a outra cresce tambm. r=1 correlao perfeita mas as variveis so
inversamente relacionadas)
Qto mais r se aproxima de zero, menor a correlao

29

Regresso linear: Coeficiente de

Determinao da Amostra
o quadrado do coeficiente de correlao
Coeficiente de determinao da amostra r2
Varia de 0 a 1
interpretado como sendo a proporo de

varincia comum entre Y e X, ou seja, se

r2=0,85, isto significa que 85% da variao de
y explicada pela variao de X, sendo os
restantes 15% de variao devido a
explicaes desconhecidas

Erro padro da estimativa: Sxy

30

Clculo do Coeficiente de
Correlao e Determinao
Resumindo:
o
coeficiente
de
determinao indica o quanto a reta de
regresso explica o ajuste da reta,
enquanto que o coeficiente de correlao
deve ser usado como uma medida de fora
da relao entre as variveis.
xy ( x) * ( y )
Sua
r equao dada por:
2
2
2
2
x ( x)

r
2

31

__

(Y Y ) 2
__

(Y Y )

y ( y )

Y demanda _ prevista
__

Y media _ das _ demandas

Clculo do Coeficiente de
Correlao e Determinao
3
2.5
2

X
f(x) = 0.55x - 1.57
R = 0.97

1.5
1
0.5
0
5

32

5.5

6.5

7.5

XY

X2

5,10 1,2
5

6,375 26,0
1

5,70 1,5
0

8,550 32,4
9

5,50 1,4
6

8,030 30,2
5

6,20 2,0
0

12,40 38,4
0
4

7,50 2,5
4

19,05 56,2
0
5

30,
00

8,7 54,4
5
05

183,
44

Anlise de Srie Temporal: Padres

de Demanda
Um padro o formato geral de uma srie

temporal
D
e
m
a
n
d
a

Tendncia

4
3
2
1

Demanda sazonal

0
1

Trimestre
33

10

11

12

Padres bsicos
Horizontal: flutuao dos dados em torno de uma mdia
Tendncia: aumento ou diminuio sistemticos nas

mdias das sries ao longo do tempo

Sazonal: padro repetido de aumentos ou diminuies

da demanda, dependendo da hora, do dia, da semana,

do ms ou da estao

Cclico: aumentos ou diminuies graduais da demanda

menos previsveis em perodos mais longos de tempo

(anos ou dcadas)

Aleatrio: variao da demanda que no pode ser

precista

34

Mtodos de sries temporais

Dizem respeito somente a varivel

dependente
Identifica padres bsicos de demanda que

se combinam para indicar um padro

histrico

35

Mdia Mvel
Tipo de modelo de previso com srie temporal

de curto prazo que prev vendas para o

perodo seguinte
Nesse modelo, a mdia aritmtica das vendas

reais corresponde a um nmero especfico de

perodos de tempo mais recentes a previso
para o perodo seguinte

36

Exemplo
A demanda
em cada um dos ltimos trs meses foi de

respectivamente 120, 135 e 114 unidades. Utilizando uma

mdia mvel de 3 meses, calcule a previso para o quarto
ms.

Resposta
Previso para o ms 4 =
A demanda real para o ms quatro acabou sendo 128.
Calcule a previso para o quinto ms.

Resposta
Previso para o ms 5 = 5,67
37

Exemplo da Aplicao da Mdia Mvel

Semana

38

Demanda
Real

Previses
PR=3 semanas

PR=5 semanas

PR=7 semanas

90

110

105

130

85

102

110

90

99,0

106,4

104,6

105

100,7

103,4

104,6

10

95

101,7

98,4

103,9

11

115

96,7

100,4

102,4

12

120

105,0

103,0

100,3

13

80

110,0

105,0

105,3

14

95

105,0

103,0

102,1

Exemplo de clculo da mdia mvel

F3 = (85+102+110)/3 = 99,0
F5 = (105+130+85+102+110)/5 = 106,4
F7 = (90+110+105+130+85+102+110)/7 = 104,6

39

Mdia Ponderada Mvel

Nesse modelo, a mdia ponderada das vendas

passadas a previso para o perodo seguinte

Semana

Dados Reais

85

0,20

102

0,30

110

0,50

Peso

Previso = 0,2*85 + 0,3*102 + 0,5*110 = 102,6

40

Mdia Mvel Exponencialmente

Ponderada de 1a Ordem
Mtodo sofisticado de mdia mvel

ponderada que calcula a mdia de uma

srie temporal atribuindo s demandas
recentes maior peso do que as demandas
iniciais

Baseada na previso calculada

anteriormente e nos novos dados

Atribui-se pesos aos meses

41

Mdia Mvel Exponencialmente

Ponderada de 1a Ordem
Frmula para o clculo da nova previso:
Nova previso = (ltima demanda) + (1- )(previso anterior)

Exemplo: =0,3

MS

DEMANDA REAL

DEMANDA
PREVISTA

Junho

10

10

Julho

12

10

Agosto

15

10,6

Setembro

14

11,9

Previso p/ julho = 0.3*10 + 0.7*10 =10

Previso p/ agosto = 0.3*12 + 0.7*10 =10,6
Previso p/ setembro = 0.3*15 + 0.7*10,6 =11,9
Previso p/ outubro = 0.3*14 + 0.7*11,9 =12,5
42

Exemplo
A demanda prevista para maio era de 220 e a
demanda real para o mesmo ms foi de 190.
Se tem valor de 0.15, calcule a previso
para junho. Se a demanda de junho for de 218,
calcule a previso para julho.
Resposta
Previso para junho = 0.15*190 + (1-0.15)*220
= 215.5
Previso para julho = 0.15*218 + (0.85)*215.5
= 215.9
43

Incluso de uma tendncia

44

Uma tendncia em uma srie temporal um aumento

ou diminuio sistemtica na mdia da srie ao longo
do tempo

necessrio calcular uma estimativa de tendncia

para melhorar a previso

O mtodo para incorporar uma tendncia em uma

previso de suavizao exponencial denominado
Mtodo de Suavizao Exponencial com Ajuste de
Tendncia

Incluso de uma tendncia

At = Dt + (1- )(At-1 +Tt-1)

Tt = (At At-1) + (1- )Tt-1

Ft+1 = At + Tt
Onde:

45

At =mdia exponencialmente suavizada da srie no

perodo t
Tt =mdia exponencialmente suavizada da tendncia no
perodo t
= parmetro de suavizao para a mdia, com valor
entre 0 e 1
= parmetro de suavizao para a tendncia, com
valor entre 0 e 1
Ft+1 = previso para o perodo t+1

Padres Sazonais
Alteraes regularmente repetitivas para

cima ou para baixo nas medidas da

demanda em intervalos inferiores a um ano

Os intervalos de tempo so denominados

perodo sazonal

Mtodo Sazonal Multiplicativo: os fatores

sazonais so multiplicados por uma

estimativa da demanda mdia para se
chegar a uma previso sazonal

46

Mtodo Sazonal Multiplicativo

47

1.

Calcule a demanda mdia para cada ano por

perodo sazonal

2.

Divida para cada ano a demanda real para

um perodo sazonal pela demanda mdia por
perodo sazonal. O resultado um ndice
sazonal para cada perodo sazonal do ano.

3.

Calcule o ndice sazonal mdio para cada

perodo sazonal usando o estgio 2. Some os
ndices sazonais para um intervalo e divida
pelo n de anos correspondentes aos dados

4.

Calcule a previso de cada perodo sazonal

para o prximo ano.

Exemplo:

O gerente de uma concessionria de servios pblicos em uma

regio de Ribeiro Preto deseja desenvolver previses
trimestrais de utilizao de energia eltrica para o prximo ano.
A energia distribuda sazonal. Os dados sobre suas cargas em
megawatts (MW) para os ltimos quatro anos so os seguintes:
ANO TRIMESTR TRIMESTR TRIMESTRE TRIMESTRE
E1
E2
3
4
1

103,5

94,7

118,6

109,3

126,1

116,0

141,2

131,6

144,5

137,1

159,0

149,5

166,1

152,5

178,2

169,0

O gerente estimou que a demanda total para o prximo ano ser

de 780MW. Use o mtodo sazonal multiplicativo, a fim de
desenvolver a previso para cada trimestre.

48

Passo 1
Calcule a demanda mdia para cada ano

conforme exemplo na tabela

49

Passo 2
Para cada trimestre, divida a demanda do

trimestre pela mdia calculada anteriormente

para cada ano, conforme exemplo

50

Passo 3
Somar os ndices sazonais de todos os anos

para cada trimestre e dividir pelo nmero

de anos, conforme tabela.

51

Passo 4
Temos que: IS=Demanda real/demanda mdia

Assim, Demanda real = ISxdemanda mdia

Para calcular a previso para cada perodo deve-se calcular a

demanda mdia anual e aplicar a frmula acima

52

Erros de Previso
As previses quase sempre contm erros
Os erros podem ser classificados em:
Erros de vis: enganos consistentes. A

previso sempre muito alta ou muito baixa

Erros Aleatrios: resulta de fatores

imprevisveis

53

Medidas do erro de previso

Erro de previso: diferena obtida subtraindo

a previso da demanda real em um dado

perodo

Et Dt Ft , onde :
Et erro de previso para o perodo t
Dt demanda real para o perodo t
Ft previso para o perodo t

54

Medidas de Erros de Previso

Soma cumulativa dos erros de previso (CFE)

Erro de previso mdio
CFE Et
E

55

CFE
n

Medidas de Erros de Previso

Erro mdio ao quadrado (MSE), desvio padro

() e desvio absoluto mdio (MAD)

Erro potencial absoluto mdio (MAPE)
MSE

2
E
t

MAD

56

2
(
Et

E
)

n 1

MAPE

Dt 100

Sinais de monitoramento

Medida que indica se um mtodo de previso

est prevendo de modo preciso as variaes

reais da demanda

CFE
Sinal de monitorame nto
MAD

57