Documente Academic
Documente Profesional
Documente Cultură
edu
de DA GESTOCustos PRODUO
Aula Terica 1
Previso de Demanda
Vejo que voc vai tirar 10 neste semestre!!
Caractersticas
Produtos padronizados Produtos sob medida ou personalizados Processos contnuos (larga escala) Processos discretos Repetitivos em massa (larga escala) Repetitivos em lote (flow shop, linha de produo) Por encomenda (job shop, layout funcional) Por projeto (unitria, layout posicional fixo)
Ambiente de produo
Maketostock (MTS) Assemble to order (ATO) Assembletoorder Maketoorder Engineertoorder (ETO) Processos em linha Processos em lote Processos por projetos Bens
Prof. Everton Servios Drohomeretski
Fluxo de processos
Sistemas de Produo
MTS Make to Stock (produzir para estoque): So produtos padronizados, com rpido atendimento ao cliente. Baseiamse fortemente em previses de demanda e apresentam alto custo de estoque. Exemplos: produtos de prateleira e de consumo geral.
Sistemas de Produo
ATO Assemble to Order (montagem sob encomenda): d ) So produtos cuja caracterstica a possibilidade de prfabricar subconjuntos (ou mdulos) que sero posteriormente montados de acordo com o pedido do cliente. p Exemplos: computadores pessoais.
Sistemas de Produo
MTO Make to order (produzir sob encomenda) A etapa de produo s se inicia aps o recebimento formal do pedido do cliente. O prazo de atendimento alto, e os estoques concentramse no incio da cadeia (entradas do p processo). ) Exemplos: pinturas, produtos personalizados (sapatos, roupas, etc.) e a grande maioria dos servios.
Sistemas de Produo
ETO Engineer to Order (engenharia por encomenda) aplicado a projetos dos quais o cliente participa desde o incio, antes mesmo da colocao do pedido. No h estoque de matriaprima antecipada, at mesmo porque, na maioria das vezes, vezes a definio da matriaprima faz parte do projeto. O prazo de entrega muito longo. Exemplos: construo de navios, plataformas, etc.
Ambientes de Produo
SISTEMA DE PLANEJAMENTO E CONTROLE DA RESULTADO PRODUO INSUMO PLANO DE PRODUO PROGRAMA MESTRE DE PRODUO (MPS) MRPI planejamento das necessidades de d material i l
Plano de produo Previses Pedidos de clientes Estoque Capacidade MPS Conta e materiais Estoque Capacidade
Fabricao por fases e ordens de compra Por matrias primas matrias-primas Por componentes
COMPRAS
Prof. Everton Drohomeretski
Oportuna
Confivel
Exata
Escrita
TIPOS DE DEMANDA
Dependente:
Depende da prxima etapa para comprar ou p produzir. Exemplo: Pneu O consumo de pneus em uma montadora est diretamente ligado a montagem de veculos.
TIPOS DE DEMANDA
Independente:
LOJA
considerada independente quando no se relaciona com a demanda de outro item. Exemplo: A d E l demanda d l it no auxiliaro d de leite ili na previso de demanda de geladeiras.
PREVISO DA DEMANDA
Mtodos Qualitativos: so baseados no julgamento e na experincia de pessoas que possam por suas possam, prprias caractersticas e conhecimentos, emitir opinies sobre eventos futuros. Exemplos: Opinio de Executivos Op o o a e das Opinio da Fora de Vendas Pesquisas junto a Consumidores
USURIOS
- Finanas - Marketing - Compras - Produo - Logstica
Vendas Reais Clculo dos erros de previso e atualizao dos erros estatsticos
Previso de vendas
Adaptado de: Fleury, Wanke eProf. Everton Drohomeretski Figueiredo Logstica Empresarial (2000)
Tempo
Variaes de Previso
Variao irregular
Previses Ingnuas
Uh, d-me um minuto.... dVendemos 250 rodas na semana passada.... Portanto, na prxima semana, devemos vender....
Mdia Mvel:
Mtodo de previso que considera a demanda d lti d d dos ltimos perodos e utiliza d tili esse valor como a previso para o prximo perodo. No final do prximo perodo, a demanda a demanda do primeiro perodo desprezada e a demanda do ltimo acrescentada.
MAn
Ai
i=1
Aplicar uma mdia mvel de trs meses aos dados da tabela abaixo e calcular a previso para o ms de janeiro:
Janeiro Fevereiro F i Maro Abril Maio Junho 92 83 66 74 75 84 Julho Agosto A t Setembro Outubro Novembro Dezembro 84 81 75 63 91 84
63 + 91+ 84 = 79 3 Suponha agora que a demanda de janeiro acabou sendo de 90, em vez de 79, calcular a previso de fevereiro: 91 + 84 + 90 = 88 3
Na mdia mvel ponderada, atribuise um peso cada um dos dados, sendo que a soma dos pesos deve ser igual a 1. Exemplo:
MS Consumo Real JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ 102 101 104 102 101 102 103 103 103 104 103 104
Prever o ms de janeiro do ano 2 utilizando uma mdia mvel trimestral com fator de ajustamento 0,7 para dezembro, 0,2 para novembro e 0,1 para outubro: b b P= 0,7 x 103 + 0,2 x 104 + 0,1 x 103 = 103,2
OU:
Demanda desestacionalizada
Mtodo utilizado para comparao de demanda em caso de demandas sazonais. Demanda desestacionalizada = demanda sazonal real ndice sazonal
Demanda desestacionalizada
Exemplo Uma empresa que vende raquetes de tnis tem uma demanda para o ms de junho de 5.200 unidades, e para o ms de janeiro de 24.000 unidades. Se os ndices sazonais para junho foram de 0,5 e para janeiro de 2,5, calcule a demanda desestacionalizada para junho e janeiro. Como os dois meses so comprados? Resposta Demanda desestacionalizada para junho= 5.200/0,5= 10.400 unidades Demanda desestacionalizada para janeiro= 24.000/2,5= 9.600 unidades Agora as demandas para junho e janeiro podem ser comparadas. Em uma base desestacionalizada, a demanda para junho foi maior que a demanda para janeiro.
O ajustamento exponencial duplo (mtodo de dois parmetros Holt) utilizado sempre que os dados ap ese ta u a te d c a. e e, apresentam uma tendncia. Nele, so usadas as seguintes segu tes equaes: 1) Previso para o perodo t 2) Valor da tendncia para o perodo t 3) Valor da previso para p perodos adiante
Yt = a + bx
b similar inclinao da reta. Entretanto, como ele calculado considerando a variao d d d sua id d i dos dados, determinao no simples, conforme nossa noo usual.
0 1 2 3 4 5 x
Calculando a e b
VENDAS EM UNIDADES JAN FEV MAR ABR MAIO 340 355 365 375 390
JUN 401
Para realizar a previso, a varivel X corresponde aos meses que numeramos de 1 a 6. Constrise a Tabela 2 para facilitar os clculos:
Resultado:
A equao da reta : Y = 329 + 12X Previses para os meses 7,8 e 9:
Y = 329 + 12 x 7 = 413 (previso para o ms de julho) Y = 329 + 12 x 8 = 425 (previso para o ms de agosto) Y = 329 + 12 x 9 = 437 (previso para o ms de setembro) ( i d t b )
Controle do modelo de previso selecionada Sinal de rastreamento Tracking Signal (TS) O TS uma varivel normal de mdia zero e desvio d d i padro 1 e aceitase que o modelo d it d l de previso utilizado continua vlido sempre que o valor do TS esteja compreendido entre 3 e +3, algebricamente: O sinal de rastreamento (TS) calculado como: ( )
Clculo do sinal TS
Perodo Valor Real Previso a) Desvio a.1) Desvio acumulado b) Desvio absoluto b.1) Desvio absoluto acumulado b.2) Desvio absoluto acumulado mdio c) TS = a.1/b.2 1 100 120 20 20 20 20 20 1 2 110 120 10 30 10 30 15 2 3 120 120 0 30 0 30 10 3 4 130 120 10 20 10 40 10 2 5 140 120 20 0 20 60 12 0 6 120 120 0 0 0 60 10 0