Sunteți pe pagina 1din 177

Planejamento e Controle da Produo (PCP)

Flvio S. Fogliatto, Ph.D.

F. Fogliatto

Ps-Graduao em EP

I-1

Programa da Disciplina
I

- Introduo

Classificao de Processos Planejamento de layout


II

- Previso de Demanda

Modelos de Previso de Demanda Passos para a montagem de um sistema de Previso de Demanda


F. Fogliatto Ps-Graduao em EP I-2

Programa da Disciplina
III

- Gerenciamento de Estoques

Modelos determinsticos de gesto de estoques Modelos probabilsticos de gesto de estoques

F. Fogliatto

Ps-Graduao em EP

I-3

Programa da Disciplina
IV

Gesto da capacidade e sequenciamento - Material Requirements Planning (MRP)

F. Fogliatto

Ps-Graduao em EP

I-4

Avaliao da disciplina

Aplicao prtica e relato detalhado de alguma ferramenta apresentada e treinada em aula (grupo de at 3 pessoas):
Introduo Breve reviso bibliogrfica sobre o tema Mtodo de trabalho Estudo de caso Concluso Formato de artigo do ENEGEP, com at 8 pginas. Instrues de formatao no site da disciplina:

http://www.producao.ufrgs.br/disciplinas.asp?cod_turma=486

F. Fogliatto

Ps-Graduao em EP

I-5

I. Introduo
Conceitos

bsicos de Gesto de Operaes:


Classificao de Processos Estudos de Layout

F. Fogliatto

Ps-Graduao em EP

I-6

Gesto de Processos
Processo:

Algo que, utilizando recursos organizacionais, prov algo de valor. Formam a base de qualquer atividade de trabalho. Esto presentes em todas as organizaes, em todas as suas funes. Esto aninhados dentro de outros processos ao longo da cadeia de suprimentos da organizao.
F. Fogliatto Ps-Graduao em EP I-7

Gesto de Processos
Seleo

de inputs, operaes, fluxos de trabalho e mtodos que transformem entradas em sadas. relacionadas a gesto de processos:
escolha do processo integrao vertical (grau de terceirizao) flexibilidade de recursos (m.o. / equipamentos) envolvimento de clientes intensidade de capital (grau de automao)
Ps-Graduao em EP I-8

Decises

F. Fogliatto

Decises relacionadas a gesto de processos

Escolha do processo
Tipos

de processo:

Projeto Job Batelada Linha Contnuo

Escolha

depende do volume e grau de customizao dos produtos/servios produzidos.


Ps-Graduao em EP I-9

F. Fogliatto

Opes de Processo versus Volume + Nvel de customizao


+
Fluxos flexveis

projetos

customizao

job

Fluxos intermedirios

batelada linha Fluxos em linha

Proc. Contnuos

baixo
F. Fogliatto

volume
Ps-Graduao em EP

alto
I - 10

Processos do tipo projeto


Exemplos:

construo de um shopping center desenvolvimento de um software


Caractersticas:

alto grau de customizao e escopo abrangente demanda sequncia nica de operaes e processos p/ cada projeto baseados numa estratgia de fluxo flexvel, c/ fluxos de trabalho redefinidos a cada novo projeto
F. Fogliatto Ps-Graduao em EP I - 11

Processos do tipo job


Pedidos

so tratados individualmente como trabalhos (jobs)

Exemplos:

usinagem de uma pea mecnica, fabricao de equipamentos industriais


Caractersticas:

fora-de-trabalho e equipamentos flexveis no produz p/ estoque (itens so customizados) trabalhos c/ sequncia distinta de processamento
F. Fogliatto Ps-Graduao em EP I - 12

Processos do tipo batelada


Exemplos:

manufatura de componentes que alimentem uma linha de montagem processamento de contas de energia eltrica
Caractersticas:

volumes maiores e maior variedade que em processos do tipo job volumes ainda no suficientemente grandes p/ justificar recursos dedicados (padro de fluxo no apresenta sequncia estvel de operaes na planta)
F. Fogliatto Ps-Graduao em EP I - 13

Processos do tipo linha


Exemplos:

Automveis, brinquedos, eletrodomsticos, restaurantes fast-food


Caractersticas:

recursos organizados p/ atender a produtos/servios materiais movem-se linearmente entre operaes de acordo c/ sequncia fixa pequena formao de estoque entre operaes popularmente conhecidos como processos de produo em massa
F. Fogliatto Ps-Graduao em EP I - 14

Processos do tipo contnuo


Exemplos:

refinarias de petrleo, plantas qumicas, fbricas de cerveja e alimentos, plantas processadoras de metais (como ao)
Caractersticas:

linhas rgidas, grandes volumes, produtos padronizados plantas que operam continuamente de forma a minimizar custos de setup caracterizam as denominadas indstrias de processos

F. Fogliatto

Ps-Graduao em EP

I - 15

Decises relacionadas a gesto de processos Relaes entre decises


+
Fluxos flexveis

projetos

customizao

job

Fluxos intermedirios

Volumes pequenos: - menor integrao vertical; - maior flexibilidade de recursos; - maior envolvimento dos clientes; - menor intensidade de capital.

batelada Volumes grandes: - maior integrao vertical; - menor flexibilidade de recursos; - menor envolvimento dos clientes; - maior intensidade de capital.

linha

Fluxos em linha

Proc. Contnuos

baixo
F. Fogliatto

volume
Ps-Graduao em EP

alto
I - 16

Layout de Processos
Planejamento Tipos

de layout

principais de layout:

flow shop celular job shop

F. Fogliatto

Ps-Graduao em EP

I - 17

Planejamento de layout

Definio: decises acerca do arranjo de centros de atividade econmica dentro de uma instalao. Objetivo: permitir que trabalhadores e equipamentos operem de maneira mais eficiente. Necessidade de rearranjo no layout existe quando:
Congestionamentos frequentes c/ precria utilizao do espao; Quantidades excessivas de materiais esto em processo; Distncias percorridas pelo produto/servio so excessivas; Trabalhadores especializados executando trabalho noespecializado, etc.
F. Fogliatto Ps-Graduao em EP I - 18

Tipos de layout

Trs tipos bsicos:


flow-shop celular job-shop

volume

enfatizam o produto enfatizam o processo

variedade volume variedade

Aplicaes (exemplos):
Organizao Hospital Supermercado Universidade Planta qumica Job X X X Celular X X X Flow

X X

F. Fogliatto

Ps-Graduao em EP

I - 19

Layouts voltados ao processo

Vantagens:
Flexibilidade (ajuste rpido a s mix de produo) Boa utilizao dos equipamentos, se jobs forem bem sequenciados Controle mais intenso do operador

Desvantagens:
Taxas de produo inferiores Maior incidncia de setups (perda de tempo produtivo) Mais $ investido em estoques (habilitam a operao independente das estaes de trabalho) Tempos de ciclo mais longos PCP dificultado (problemas de sequenciamento)
F. Fogliatto Ps-Graduao em EP I - 20

Layouts voltados ao produto

linha de produo linha de montagem

Vantagens:
Taxas mais altas de processamento Menor $ em estoques Menor tempo perdido em setups e transporte de materiais

Desvantagens:
Necessidades de redesigns frequentes p/ produtos c/ vida curta ou incerta Menor flexibilidade M utilizao dos recursos quando os volumes so pequenos

F. Fogliatto

Ps-Graduao em EP

I - 21

1. Layout do tipo flow-shop

O problema central em arranjos flow-shop obter o equilbrio na utilizao de trabalhadores e equipamentos em todas as operaes:
ou seja, deve-se agrupar operaes em conjuntos que tomem aproximadamte o mesmo tempo.
esteira

Linhas de produo podem ter ritmo ditado externamente (ex.: automveis) ou internamente (ex.: eletrnicos de tamanho pequeno). formao de estoques intermedirios

F. Fogliatto

Ps-Graduao em EP

I - 22

Linhas de Produo: Evoluo


Modelo Tradicional Estvel, balanceada Buffers de estoques Otimizao: linha Ritmo fixo Linear ou em L Esteira (ou similar) Grandes lotes
F. Fogliatto Ps-Graduao em EP

Modelo Contemporneo Flexvel, multiproduto TPM Otimizao: gargalo Ritmo varivel Em U ou paralelo

Kanbans
Lotes mdios/pequenos
I - 23

Balanceamento de linhas

Elementos principais
1. Necessidades e recursos disponveis:

taxa de produo necessria horas/dias disponveis p/ trabalho tempos-padro das operaes ordem de precedncia das operaes

2. Resolver o problema de balanceamento, subdividindo e agrupando operaes em trabalhos balanceados

F. Fogliatto

Ps-Graduao em EP

I - 24

Layout do tipo flow-shop Formulao do problema de balanceamento


Formulao ser apresentada atravs de um exemplo:
O

Banco de Boston recebe 1200 pedidos de emprstimo/dia.

Banco

anuncia que pedidos so julgados em questo de horas e informados aos solicitantes. envolvidas na avaliao dos pedidos so:
Tarefa

Tarefas

Tempo Tarefas imediatmte mdio (min ) precedentes a . Abrir e organizar documentao referente aos pedidos 0.20 nenhuma b . Processar carta (registrar cliente e observar pedidos especiais) a 0.37 c . Verificar preenchimento do formulrio 1 (f 1) a 0.21 d . Verificar preenchimento do formulrio 2 (f 2) a 0.18 e . Calcular limite de crdito usando tabelas padro e info em f 1 e f 2 c, d 0.19 f . Avaliao do supervisor b, e 0.39 g . Secretria digita resultado e prepara carta f 0.36 Total 1.90

F. Fogliatto

Ps-Graduao em EP

I - 25

Problema de balanceamento (flow-shop) Grfico de Precedncia


b 0.37 a 0.20 c 0.21 d 0.18 e 0.19 f 0.39 g 0.36

Balanceamento:
Determinar

tempo de ciclo tal que workstations (1 ou + pessoas) possam completar tarefas. Tarefas so agrupadas em workstations de forma a utilizar o mximo de tempo de ciclo sem exced-lo.
F. Fogliatto Ps-Graduao em EP I - 26

Determinao do tempo de ciclo usa taxa requerida de produo


Taxa diria de sada = taxa diria de entrada (1200)

Considerando 8 h/dia, 1200 pedidos em 8 h implica em


150 pedidos/h (21/2 pedidos/min ou 1 pedido a cada 0.4 min). Assim:
(8 h 60 min) Tempo horas disponveis / demanda = = 0.4 min = de ciclo 1200 ped

Como o tempo total das tarefas 1.9min, e nenhuma


workstation far + que 0.4min de trabalho/ciclo, necessitam-se de 1.9 / 0.4 5 workstations.
F. Fogliatto Ps-Graduao em EP I - 27

Usando mais que 5 workstations, perdese em eficincia


Eficincia = output / input =
Soma dos tempos das tarefas (no estaes) tempo de ciclo

1.9 = 95% 5 0.4 1.9 Ef = = 76% 6 0.4 Ef =

usando 5 workstations usando 6 workstations

Ineficincia no balanceamento dada por:


Ineficincia = 1.0 - Eficincia = 1.0 - 0.95 = 5% c/ 5 workstations
F. Fogliatto Ps-Graduao em EP I - 28

Balanceamento usando regra LOT (longest operation time)

Suposio inicial: trabalhadores executam todas as tarefas (suposio revista aps balanceamento)

1. Inicie c/ a tarefa mais longa e sem precedentes. Examine tarefas candidatas a agrupamento. Acrescente tarefas em nmero suficiente p/ no exceder tempo de ciclo. 2. Repita passo 1 at que todas as estaes estejam formadas. 3. Avalie a viabilidade do plano proposto.
F. Fogliatto Ps-Graduao em EP I - 29

Balanceamento no exemplo
Work Tarefas Tarefas Minutos Tempo station disponveis agrupadas ocioso 1 a, b, c, d a, d 0,38 0,02 2 b, c b 0,37 0,03 3 c, e c, e 0,40 0 4 f f 0,39 0,01 5 g g 0,36 0,04

Tarefa a a nica s/ precedentes. Candidatas a agrupamto c/ a so b, c, d; somte d resulta em tempo de ciclo desejado. Assim, WS1 = {a, d}.

A seguir, tarefas b e c so candidatas a formar a WS2. b tem o mais longo tempo, formando sozinha a WS2. Demais worstations vm apresentadas na tabela acima.
F. Fogliatto Ps-Graduao em EP I - 30

Alocao de tarefas a workstations


b 0.37 a 0.20 c 0.21

WS2 WS4
e 0.19 f 0.39

WS5
g 0.36

WS3 WS1
d 0.18

Restries: secretria no deve realizar tarefa f e


supervisor no deve realizar tarefa g.

Como tarefas f e g aparecem isoladas, balanceamento OK.


F. Fogliatto Ps-Graduao em EP I - 31

Consideraes de aspecto prtico

Inspecione a soluo proposta em busca de melhorias - tarefas podem requerer mesmas habilidades, compontes, equipamtos, etc., sendo mais eficientes se agrupados (balanceamento desconsidera este fato) Trabalho pode ser enriquecido agrupando tarefas que proporcionem variedade ao trabalhador Interferncias entre tarefas devem ser consideradas (ex., barulho, poluio, etc.) c/ vistas a isolamento Tarefas que excedam o tempo de ciclo podem ser arranjadas em paralelo (i.e., alocando redundncia)
F. Fogliatto Ps-Graduao em EP I - 32

Prtica Ia

Faa o balanceamento de uma linha com tarefas, tempos e precedncia dados abaixo:
Tarefas 1 2 3 4 5 6 7 8 Tempo Tarefas (min) precedentes 0,4 nenhuma 0,3 1 1,1 1 0,2 3 0,5 2 0,3 3 0,6 5 0,6 4, 6, 7

Demanda diria de 240 unidds. A empresa trabalha 8h/dia.

F. Fogliatto

Ps-Graduao em EP

I - 33

Prtica Ib

Considere uma linha com tarefas, tempos e precedncia dados abaixo:


Tarefas A B C D E F G H I Total
F. Fogliatto

Tempo Tarefas (seg) precedentes 40 nenhuma 30 A 50 A 40 B 6 B 25 C 15 C 20 D, E 18 F, G 244

A produo programada de 2400 unidades/semana, e a planta opera 40 h/sem.

Deseja-se saber...

Ps-Graduao em EP

I - 34

O que desejamos saber:


Construa

o grfico de precedncia da

linha.
Qual

deveria ser o tempo de ciclo da linha? o menor nmero de estaes de trabalho necessrias? a eficincia de seu layout?
Ps-Graduao em EP I - 35

Qual

Qual
F. Fogliatto

Estudos de Tempo: Metodologia


1

Definir elementos de trabalho (ets) a serem medidos (evitar ets c/ tempo < 3 seg; medir ets a partir de processo estvel) Mensurar ets analisando valores suspeitos e calculando tempo mdio tMED:
Amostragem inicial dos ets a ser complementada uma vez definido o tamanho de amostra

Determinar o tamanho da amostra, tal que tMED seja representativo da populao; frmula dada a seguir

F. Fogliatto

Ps-Graduao em EP

I - 36

Estudos de Tempo: Metodologia


z n = p t MED
2

n = tamanho necessrio de amostra p = preciso da estimativa dada como frao do valor real = desvio-padro representativo dos tempos do et em questo z = no de desvios normalizados p/ obter grau desejado de confiana

Confiana desejada (%) 90 95 96 97 98 99


F. Fogliatto

z 1,65 1,96 2,05 2,17 2,33 2,58

Valores mais comuns de z

Ps-Graduao em EP

I - 37

Estudos de Tempo: Metodologia


4

Estabelea o padro: analise o tempo normal de cada et; julgue o ritmo do trabalhador p/ determinar o fator de razo de desempenho (FRD), que descreve o quanto acima ou abaixo da mdia o desempenho do trabalhador se encontra. Cuidado neste julgamento! Avalie, tambm, a frequncia de ocorrncia (F) de cada et no ciclo de trabalho. O tempo normal (TN) do et em estudo dado por:
TN = t MED F FRD
F. Fogliatto Ps-Graduao em EP I - 38

Exemplo: copos de cafezinho em tubos de carto (autodispenser)


Elemento de trabalho 1. 2. 3. 4.

(min) Apanhar dois tubos 0,0305 Colocar tubo no suporte 0,0171 Colocar copos no tubo 0,0226 Selar tubo e empilhar 0,0241

tmed (min) 0,50 0,11 0,71 1,10

Tamanho de amostra 5 10 10 10

Inicialmte determine o tamanho de amostra se desejamos uma estimativa do tempo mdio de cada et desviada em at 4% do valor real com 95% de certeza. Assim, p = 0.04 e z = 1.96.
F. Fogliatto Ps-Graduao em EP I - 39

Calcular n p/ cada et e utilizar o maior tamanho p/ obter preciso desejada


1.96 0.0305 n( ET1 ) = = 9 0.04 0.500
1.96 0.0171 n( ET2 ) = = 58 0.04 0.11
2
2

Utilize o maior tamanho de amostra

1.96 0.0226 n( ET3 ) = = 3 0.04 0.71

1.96 0.0241 n( ET4 ) = = 2 0 . 04 1 . 10


F. Fogliatto Ps-Graduao em EP I - 40

Aps obter 48 amostras adicionais, os resultados so:


Elemento de trabalho 1. 2. 3. 4. Apanhar dois tubos Colocar tubo no suporte Colocar copos no tubo Selar tubo e empilhar tmed (min) 0,53 0,10 0,75 1,08 F 0,50 1,00 1,00 1,00 FRD 1,05 0,95 1,1 0,9

Os tempos normais p/ cada et so:

TN1 = 0.53(0.50)1.05 = 0.28 min TN 2 = 0.10(1.00)0.95 = 0.10 min TN 3 = 0.75(1.00)1.10 = 0.83 min TN 4 = 1.08(1.00)0.90 = 0.97 min

Tempo total do ciclo: 2.18 min

Introduziremos um fator de descanso, A, dado pela proporo do TN adicionada p/ descanso e eventualidades.


F. Fogliatto Ps-Graduao em EP I - 41

Introduzindo fator A:
TPC = TNC (1 + A)
fator de descanso

tempo normal de ciclo tempo padro de ciclo

TPC = 2.18(1 + 0.15) = 2.51 min/ tubo


Em um dia de 8 horas:
480 min/ dia = 191 tubos / dia 2.51 min/ tubo
F. Fogliatto Ps-Graduao em EP I - 42

Prtica Ic: Estudos de Tempo


Calcular o tempo padro do ciclo composto pelos seguintes elementos:
Ativ. a b c d e Observaes (tempos em minutos) 1 2 3 4 5 6 7 4 5 6 6 4 15 4 6 8 7 6 7 6 7 15 14 14 12 15 16 13 3 4 24 5 4 3 18 5 6 8 -7 6 7 FRD 110% 90% 105% 100% 130%

Fator de descanso = 10%

Cada atividade ocorre uma vez por ciclo. Considere p = 0,04 e 95% de confiana na estimativa. Analise valores esprios.
F. Fogliatto Ps-Graduao em EP I - 43

2. Layout do tipo celular

Aplica princpios de tecnologia de grupo produo:


ou seja, deseja-se formar equipes de trabalhadores + equipamentos p/ produzir famlias de produtos

Trabalhadores so multifuncionais dentro da clula, sendo inteiramente responsveis pelos resultados

Aqui abordaremos o problema da formao das famlias


F. Fogliatto Ps-Graduao em EP I - 44

Close Neighbour Algorithm


Parmetros: Lista de Mquinas, Listas de Materiais, Roteiros de Produo Auxiliares: Tempos, Capacidades, Demanda, Habilidades MDO, Restries Adicionais

Principais Critrios: Separar mquinas no relacionadas Produzir partes inteiramente em uma clula Minimizar investimentos em mquinas duplicadas Limitar clulas a um tamanho razovel
F. Fogliatto Ps-Graduao em EP I - 45

Close Neighbour Algorithm: Conceito

Considerado um dos algoritmos mais eficientes para o arranjo de matrizes de incidncia Tem como principal vantagem sua lgica de execuo, realizada em apenas uma interao Foi desenvolvido por Boe e Cheng:
Boe, W. & C. Cheng (1991). A close neighbour algorithm for designing cellular manufacturing systems. International Journal of Production Research 29, 2097-2116)
F. Fogliatto Ps-Graduao em EP I - 46

Close Neighbour Algorithm: Conceito

Utiliza lgicas distintas para a organizao das linhas (mquinas) e colunas (partes em processo) Assim como nos outros algoritmos, objetivo concentrar as incidncias ao longo da diagonal principal da matriz

F. Fogliatto

Ps-Graduao em EP

I - 47

Close Neighbour Algorithm: 1. Matriz Inicial (matriz I)


mp

1 2 3 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1

4 5 6 7 8 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

9 10 11 12 13 14 15 16 17 18 19 20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

F. Fogliatto

Ps-Graduao em EP

I - 48

Como montar a matriz I


Mquinas

(ou trabalhadores) so listados nas linhas da matriz Produtos (ou componentes) so listados nas colunas da matriz Sempre que um produto necessitar de uma mquina em seu processamento, assinalar c/ 1 no cruzamento correspondente Indique somente fluxos primrios na matriz
F. Fogliatto Ps-Graduao em EP I - 49

Close Neighbour Algorithm: 2. Matriz B


1 2 3 4 5 6 7 8 1 2 9 1 1 1 2 1 2 2 1 6 1 1 6 6 3 9 1 0 1 1 1 0 4 1 6 0 2 2 6 6 5 1 1 1 2 5 2 1 6 1 1 1 2 5 2 1 7 2 6 1 6 2 2 6 8 1 6 0 6 1 1 6 Si 17 23 13 23 13 13 25 21
Matriz B: Mquina X Mquina
A matriz indica o nmero de componentes comuns a cada par de mquinas Exemplo: Dois produtos necessitam das mquinas 1 e 2 em seu processamento. Coluna Si: somatrio dos nmeros nas linhas (ser igual ao somatrio dos I - 50 nmeros nas colunas)

F. Fogliatto

Elemento bij da matriz. Neste caso, trata-se do elemento b82

Ps-Graduao em EP

Close Neighbour Algorithm:

3. Agrupamento Estgio 1
ndice Linhas Maquinas Mquina Razo Possveis Selecionada

v=1 v=2 v=3 v=4 v=5 v=6 v=7 v=8

7 2,4,8 4,8 8 1,5,6 3 5,6 6

7 2 4 8 1 3 5 6

S7=mximo b27=b47=b87=mximos; S2=S4>S8;2<4 b42=b82=mximos;S4>S8 b84=mximo b18=b58=b68=mximos; S1>S5=S6 b31=mximo b53=b63=mximos; S5=S6;5<6 b65=mximo

Seleciona-se as mquinas i conforme regras: maior bij; maior Si; menor i


F. Fogliatto Ps-Graduao em EP I - 51

Detalhamento do estgio 1

preciso definir a nova ordem das linhas na matriz I P/ tanto, analisa-se a matriz B relativamente a alguns critrios; a saber:
P/

selecionar a 1a linha a ser reordenada na matriz I, escolha a linha c/maior valor de Si na matriz B:
No caso de empate, escolha a linha de menor ndice i

F. Fogliatto

Ps-Graduao em EP

I - 52

Detalhamento do estgio 1
As

linhas seguintes a serem reordenadas so determinadas pela sequncia de regras:


Identifique o maior valor de bij na ltima linha trabalhada. O ndice j (da coluna) indica a prx. linha a ser trabalhada. No caso de empate, use o prximo critrio. Escolha a linha c/ maior Si dentre as empatadas; no caso de empate, use o prximo critrio. Escolha a linha c/ menor ndice i dentre as empatadas.

F. Fogliatto

Ps-Graduao em EP

I - 53

Detalhamento do estgio 1

Reorganize as linhas da matriz inicial (no da matriz B) seguindo a ordem de abordagem das linhas da matriz B. No exemplo, a nova ordem das linhas da matriz inicial : 7, 2, 4, 8, 1, 3, 5 e 6

F. Fogliatto

Ps-Graduao em EP

I - 54

Close Neighbour Algorithm:

4. Matriz aps Estgio 1 (matriz I)


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

Linhas reordenadas conforme a ordem de seleo no estgio 1


F. Fogliatto Ps-Graduao em EP I - 55

Close Neighbour Algorithm:

5. Agrupamento Estgio 2
v=1 SEQ1 SEQ2 SEQ1>SEQ2 Coluna v=5 SEQ1 SEQ2 SEQ1>SEQ2 Coluna v=7 SEQ1 SEQ2 SEQ1>SEQ2 Coluna F. Fogliatto

1 2 3 4 0 0 4 4 2 2 1 0 X X 1 2 1 2 0 2 2 0 X 7 1 1 1 X 16

5 6 7 8 9 10 11 0 4 4 0 0 1 1 2 1 0 2 3 2 2 X X 3 4 5 8 9 10 11 0 2 2 0 2 2 0 1 2 0 X X X 8 9 10 5 10 1 1 1 1 X X 17 18 Ps-Graduao em EP

12 13 14 15 16 17 18 1 0 1 0 0 0 4 2 2 2 2 2 3 0 X 5 12 13 14 15 16 17 0 2 2 0 2 2 2 0 0 2 0 1 X X X X 11 12 13 14 12 15 1 1 1 1 X X 19 20

19 20 0 4 2 1 X 6 19 2 0 X 15

I - 56

Detalhamento do estgio 2

Divida a matriz I em duas metades, superior e inferior Se o no de linhas da matriz for mpar, faa c/ que a metade superior fique c/ um no impar de linhas
Por ex.: h 11 linhas na matriz I. Assim, a metade superior ter as 1as cinco linhas e a metade superior as 6 linhas seguintes

Denomine-se:
Metade superior = SEQ1 Metade inferior = SEQ2

F. Fogliatto

Ps-Graduao em EP

I - 57

Detalhamento do estgio 2

Analise as colunas da matriz I dividida, contando o nmero de 1s em cada metades (SEQ1 e SEQ2) Sempre que SEQ1 > SEQ2, assinale a coluna e reordene a numerao, da primeira ltima coluna assinalada

F. Fogliatto

Ps-Graduao em EP

I - 58

Exemplo

Colunas

no assinaladas vo p/ a segunda fase do estgio 2

F. Fogliatto

Ps-Graduao em EP

I - 59

Fase 2 do estgio 2

Divida a metade inferior (SEQ2) da matriz I em duas metades (SEQ1 e SEQ2, novamente) Analise as colunas que no foram reordenadas na fase 1:
Sempre que SEQ1 > SEQ2, assinale a coluna e reordene a numerao, da primeira ltima coluna assinalada

F. Fogliatto

Ps-Graduao em EP

I - 60

Exemplo

A nova diviso ocorreu a partir da linha 5 da matriz I

Colunas

no assinaladas vo p/ a fase seguinte do estgio 2, onde a ltima poro SEQ2 da matriz re-dividida

F. Fogliatto

Ps-Graduao em EP

I - 61

ltima fase do estgio 2 no exemplo

A nova diviso ocorreu a partir da linha 7 do ltimo SEQ2 Cada metade da matriz redividida ficou com uma nica linha (trata-se, assim, da ltima fase do estgio 2) Em nenhuma coluna SEQ1 > SEQ2. Assim, assinalam-se todas as colunas remanescentes e completa-se a reordenao das colunasPs-Graduao em EP F. Fogliatto I - 62

Close Neighbour Algorithm:

6. Matriz final
7 2 4 8 1 3 5 6 3 1 1 1 1 1 4 1 1 1 1 6 1 1 1 1 7 1 1 1 1 18 1 1 1 1 20 2 8 9 11 13 14 16 17 19 1 5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 10 12 15 1 1

1 1 1 1 1 1

Reordenam-se as colunas conforme a ordem de seleo no estgio 2


F. Fogliatto Ps-Graduao em EP I - 63

Observaes finais

I II III

Celulas so identificadas ao longo da diagonal principal, s/ sobreposio de clulas 1s fora das clulas demarcadas denotam mquinas ou produtos fora das clulas P.ex., o 1 assinalado corresponde ao produto 6, que ser feito quase todo na clula I, mas ter que ser complementado na clula III
Ps-Graduao em EP

F. Fogliatto

I - 64

Eficincia do Agrupamento
Objetivo: comparar formaes alternativas de clulas. Depende de 2 fatores: (a) a proporo de elementos extra-celulares (Ex); (b) a proporo de espaos ocupados nas clulas (Es). O primeiro deve ser minimizado; o segundo maximizado. A partir destes dois fatores, origina-se a frmula de eficincia do agrupamento (Group Efficiency - GE): GE = [(1 - Ex) + (Es)] / 2
Ex = No. de incidncias extra-clulas/No. total de incidncias Es = No. de espaos ocupados/No. de espaos intra-clulas F. Fogliatto Ps-Graduao em EP

I - 65

Eficincia do Agrupamento: Exemplo


1 A 1 B 1 C 1 D E F 2 3 4 5 6 7 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 8

1 1 1

GE = [(1 - Ex) + (Es)] / 2 Ex = 4 / 23 = 0,1739 Es = 19 / 24 = 0,7917 GE = [ (1 - 0,1739) + (0,7917) ] / em 2= F. Fogliatto Ps-Graduao EP 0,8089 = 80,1%

I - 66

Atividade Id

Use o algoritmo simplificado p/ determinar clulas apropriadas p/ os componentes e mq. dados abaixo e calcule a eficincia do arranjo:
1 1 2 3 4 5 6 7 8 9 10 F. Fogliatto 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
I - 67

Mquina

2 1 1 1

Componentes 3 4 5 1 1 1 1 1 1

6 1

7 1

8 1 1 1

1 1

1 1

Ps-Graduao em EP

3. Layout do tipo job-shop

So os layout mais problemticos, j que os processos so intermitentes. P/ manter layout atualizado, empresa deve considerar perfil histrico de produtos/servios prestados.
Duas abordagens:
preferncias de proximidade declaradas (qualitativo) modelo custo-volume-distncia de proximidade (quantitativo)

F. Fogliatto

Ps-Graduao em EP

I - 68

Preferncias de proximidade declaradas


Departamentos so arranjados nas linhas e colunas de uma matriz ou num desenho que expresse sua localizao atual. O seguinte cdigo utilizado p/ indentificar preferncias de proximidades:
A absolutamente necessria E especialmente importante I importante O OK como est U no-importante X no-desejvel
F. Fogliatto Ps-Graduao em EP I - 69

Anlise de Relaes: Objetivo e Mtodo


Objetivo: analisar relaes de prioridade entre diferentes sees, tendo por base dados qualitativos (em vez de custo). Os scores no quadro sero denominados nveis de relao.

Construo:

1. Listar todas as sees ou atividades includas; 2. Obter nveis de relao a partir de entrevistas com pessoas envolvidas ou experts; 3. Determinar razes para estes nveis de relao; 4. Assinalar nvel de relao e razo para cada par de atividades ou sees; 5. Revisar o quadro com as pessoas envolvidas no passo 2.
F. Fogliatto Ps-Graduao em EP I - 70

Anlise de Relaes: Exemplo


Nveis de Relao Nvel A E I O U X Definio
Absolutamente Necessrio Especialmente Importante Importante Apropriado No Importante Indesejvel

1 2 3 4 5 6

Fabr.Plstico Mont.Plstico Metalrgica Expedio Manuteno Escritrio

A 1 A 1 O 5 U O 2

U E 1 E 4 I 2 I 1 O 4 X 6 E 4 U X 6

Razes

Cd. 1 2 3 4 5 6

Razo
Fluxo de Materiais Superviso Pessoal em Comum Contato Necessrio Convenincia Isolar Barulho

F. Fogliatto

Ps-Graduao em EP

I - 71

Anlise de Relaes: Mtodo de Custo


1 2 3 4 5 6 Fabr. Plstico 102 Mont. Plstico 95 Metalrgica 5 Expedio 0 Manuteno 5 Escritrio 30 65 -15 70 9 0 0 40 65 -20

Custo por metro de distncia = Somatrio i X custo i), i (partes)= 1...n F. Fogliatto Ps-Graduao(volume em EP I - 72

Diagrama de Relaes: Objetivo e Mtodo


Objetivo: representar espacialmente a anlise de relaes
Deve-se arranjar as diferentes sees de forma a aproximar aquelas com maior nvel de relao ou custo de movimentao. Nem sempre faz-se necessrio aproximar ou afastar sees somente devido ao seu nvel de relao: P.ex., pode-se utilizar isolamento acstico/trmico em
determinadas sees ou pode-se utilizar tecnologia de informao para aproximar escritrios e fabricao.

A construo de diagramas de relaes amplamente manual; a principal regra ir incluindo e aproximando estaes conforme prioridade dos nveis de relao.
F. Fogliatto Ps-Graduao em EP I - 73

Diagrama de Relaes: Exemplo


Necessita Isolamento Acstico

Nvel A E I O U X

Legenda

1 ^^^^^^^ 6 ^^^^^

^^^^^^^^^^^^^^^^^^^^^

^^^^^^^^^^^^^^^^^^

3 ^^^^^^^^^^^^^^^^^^

1 2 3 4 5 6

Fabricao Plstico Montagem Plstico Metalrgica Expedio Manuteno Escritrio


I - 74

F. Fogliatto

Ps-Graduao em EP

Do Diagrama de Relaes ao Layout


Parte final da anlise = desenho do layout, considerando-se diagrama de relaes, rea das sees, dimenses do prdio e largura dos corredores. Fabricao Plstico (1)
3m

Escritrio (6)
150 m

Montagem Plstico (2) Manut. (5) Metalrgica (3)


Ps-Graduao em EP

Expedio (4)

F. Fogliatto

350 m

I - 75

Mdulo II Previso de Demanda

Previso de Demanda: 1 Passo do PCP

Previso de Demanda = Forecasting - tcnica que usa dados passados na predio (projeo) de valores futuros Com base no forecasting estabelem-se polticas de controle para:

sistema de estoques demanda de mquinas & materiais sequenciamto de jobs e mquinas demanda de pessoal

Ps-Grad. Em EP

II - 2

Situaes onde Forecasting utilizado


1. Gerenciamento de Estoques
Deseja-se controlar o estoque de peas mecnicas de reposio no almoxarifado de uma empresa
Para tanto

Forecasting

Estima-se a taxa de utilizao de cada pea p/ determinar as quantidades a serem encomendadas


necessrio tambm

Determinar quando os pedidos devem ser feitos


Para tanto

Forecasting

Estima-se a variabilidade no lead time de entrega das peas


Ps-Grad. Em EP

II - 3

Situaes onde Forecasting utilizado


2. Planejamento da Capacidade 3. Planejamento da Distribuio 4. Planejamento da Infra-estrutura (localizao de depsitos e plantas de produo) 5. Controle de processos, e muitas outras

Ps-Grad. Em EP

II - 4

Por que utilizar um sistema de forecasting?


P/ reduzir risco inerente a processos decisrios. Previses apresentam um grau de preciso. Aumento na acurcia da previso diminuio em perdas ($$) resultantes da incerteza no processo decisrio.

Ps-Grad. Em EP

II - 5

Trade-off entre acurcia do forecast e custo do forecasting


Custo total Custo Custo forecasting

Perdas causadas pela incerteza

timo
Ps-Grad. Em EP

Acurcia no forecasting
II - 6

Modelo geral para um sistema de Forecasting


(Murdick; Georgoff, 1993; Armstrong, 2001)
DEFINIO DO PROBLEMA DETERMINAO DO MTODO DE PREVISO

OBTENO DE INFORMAES

Anlise de trade-offs entre custo, tempo e outras consideraes

Aplicao da previso

Dimenses e caractersticas dos dados de sada

Dimenses do processo de seleo

Seleo do mtodo de previso

IMPLEMENTAO DO MTODO

Dimenses e caractersticas dos dados de entrada

Recursos e restries

PREVISO

Dados disponveis

Monitorar resultados

Sim

Os resultados so satisfatrios?

No
EP Ps-Grad. Em FEEDBACK

II - 7

Definio de um problema de forecasting


Chamaremos a varivel de interesse de demanda (p.ex., venda de produtos, necessidade de materiais, etc.). Passo Inicial: defina o problema de deciso a ser auxiliado pelo sistema de forecasting .

Ps-Grad. Em EP

II - 8

Definio de um problema de forecasting


O problema decisrio definir: ; sobre o que faremos previses (o objeto de forecast ); ; qual a forma de forecast a ser adotada; ; elementos temporais envolvidos; e nvel de preciso desejado.

Ps-Grad. Em EP

II - 9

Aps determinar o que ser previsto, definem-se variveis a serem analisadas


UTILIZAO Planejamento da Produo VARIVEL Demanda unitria de produtos fabricados Venda total em reais
Ps-Grad. Em EP

NVEL DE DETALHE Item

Planejamento Financeiro

Agregado

II - 10

Banco de dados
Monte banco de dados de demanda

defina endereo para cada dado, contendo:

cliente regio famlia de produtos, etc.

endereo permite filtrar informaes para desagregar forecasting se desejvel.

Ps-Grad. Em EP

II - 11

Elementos Temporais de um sistema de forecasting


Perodo de forecasting - a unidade bsica de tempo na qual as previses so feitas Ex.: Desejamos um forecast da demanda semanal de latas de tinta tipo X. Neste caso, o perodo de forecast uma semana

Ps-Grad. Em EP

II - 12

Elementos Temporais de um sistema de forecasting


y Horizonte de forecasting - nmero de perodos no futuro contemplados no forecast Ex.: Desejamos um forecast da demanda de resina X para as prximas dez semanas, detalhado por semana. Neste caso, o horizonte de forecast so dez semanas. y Intervalo de forecasting - freqncia com que novos forecastings so preparados. Via de regra, o intervalo coincide com o perodo de forecasting

Ps-Grad. Em EP

II - 13

Forma do forecast
y Duas formas de forecast podem ser demandadas pelo problema decisrio: 9 estimativa do valor pontual de demanda 9 intervalo de predio - intervalo contendo a demanda futura com uma dada probabilidade (estimativa do desvio-padro do erro no forecast)

Ps-Grad. Em EP

II - 14

Padres de demanda
a) Padro de demanda aleatrio, ou nivelado, sem tendncia nem elementos sazonais Nvel de Demanda Nvel de Demanda b) Padro de demanda aleatrio com tendncia, mas sem elementos sazonais

Demanda real Demanda mdia

Demanda real Tendncia da srie

Tempo c) Padro de demanda aleatrio com tendncia e elementos sazonais Nvel de Demanda Nvel de Demanda

Tempo d) Padro de demanda irregular

Demanda real Tendncia da srie Sazonalidade da srie Tempo

Tempo

Ps-Grad. Em EP

II - 15

Tipos de Forecasting

Tcnicas Qualitativas:

Usadas quando dados histricos so inexistentes ou escassos Baseiam-se em opinies de especialistas: especialistas analisam situaes similares e dados existentes para predizer valores futuros Algumas tcnicas: analogia histrica, pesquisa de mercado, tcnicas de consenso, etc Uso: predio de vendas de novos produtos

Ps-Grad. Em EP

II - 16

Previso Qualitativa Mtodo Delphi a tcnica mais difundida

Mtodo qualitativo que busca o consenso de opinies em um grupo de especialistas Baseia-se no uso estruturado do conhecimento, experincia e criatividade dos participantes Premissa bsica = julgamento coletivo, organizado adequadamente, superior a opinies individuais

Ps-Grad. Em EP

II - 17

Utilizao do Delphi

Situaes onde:

dados histricos no se encontram disponveis ou no permitem a realizao de uma previso segura, identifica-se necessidade de abordagem multidisciplinar p/ o problema de previso, ou h perspectivas de mudanas estruturais nos fatores determinantes das tendncias futuras.

Ps-Grad. Em EP

II - 18

Caractersticas principais

Anonimato dos respondentes Representao estatstica dos resultados coletados nos painis:

Calculam-se mdias e coeficiente de variao das respostas

Feedback de respostas do grupo para reavaliao em rodadas subseqentes do mtodo

Ps-Grad. Em EP

II - 19

IN C IO

E la b o r a o d o q u e s tio n r io e s e le o d o s e s p e c ia lis ta s

Metodologia do Delphi
P r im e ir a r o d a d a : r e s p o s ta s e d e v o lu o

Metodologia do Delphi

T a b u la o e a n lis e d o s q u e s tio n r io s r e c e b id o s

n e c e s s r io In tr o d u z ir n o v a s q u e s t e s ? N o N o v a ro d a d a : r e s p o s ta s e d e v o lu o

S im E la b o r a o d a s n o v a s q u e s t e s

E la b o r a o d o n o v o q u e s tio n r io

T a b u la o e a n lis e d o s q u e s tio n r io s r e c e b id o s

N o

A c o n v e r g n c ia d a s r e s p o s ta s s a tis f a t r ia ? S im C o n c lu s e s g e r a is P r o c e d im e n to s e x e c u ta d o s p e lo s c o o r d e n a d o r e s

R e la t r io p a r a o s r e s p o n d e n te s

F IM

R e la t r io f in a l

EP Ps-Grad. Em pe lo s r e s p o n d e n te s

P r o c e d im e n to s e x e c u ta d o s

II - 20

Tipos de Forecasting Tcnicas Quantitativas

Padro histrico dos dados usado p/ extrapolar comportamento futuro Duas famlias de tcnicas:

anlise de sries temporais modelos causais (ou estruturais)

Nosso enfoque:

tcnicas de suavizao exponencial (sries temporais)

Ps-Grad. Em EP

II - 21

Anlise estatstica de sries temporais

Tcnicas consideradas:

modelos de suavizao exponencial:

simples para dados com tendncia para dados com variao sazonal

Ps-Grad. Em EP

II - 22

Anlise estatstica de dados de demanda

1o passo na determinao da tcnica de forecasting a ser usada plotar demanda como funo do tempo. Considere o exemplo a seguir: Tabela 1 - Demanda anual (1000) por carros importados no Brasil

Ano, t Demanda, f(t)

0 100

1 115

2 116

3 125

4 135

Ps-Grad. Em EP

II - 23

Grfico mostra tendncia ascendente e presena de rudo (entre t = 1 e t = 2)

Ps-Grad. Em EP

II - 24

Representao da tendncia nos dados de demanda

modelo linear parece apropriado


Ps-Grad. Em EP

II - 25

Como utilizar o NCSS para plotar dados de demanda


1.

Abra o NCSS; a 1a janela a aparecer a de entrada dos dados. Clique no painel Variable Info e identifique as colunas da janela de entrada de dados assim:

2.

C1 renomeada como Tempo C2 renomeada como Demanda

Ps-Grad. Em EP

II - 26

Ps-Grad. Em EP

II - 27

Como utilizar o NCSS para plotar dados de demanda


3. Na janela Sheet 1, entre com os valores de tempo e demanda nas respectivas colunas. No nosso exemplo:
Tempo Demanda 0 100 1 115 2 116 3 125 4 135

Ps-Grad. Em EP

II - 28

Ps-Grad. Em EP

II - 29

Como utilizar o NCSS para plotar dados de demanda


4. No item Graphics do menu, selecione Scatter Plots. Vrios painis de comando aparecero. 5. Identifique os dados relativos ao eixo x. Clique em Horizontal Variable(s) e depois em select variables. Escolha a coluna de tempo e clique OK. Identifique ento os dados relativos ao eixo y. Clique em Vertical Variable(s) e depois em select variables. Escolha a coluna de demanda e clique OK.

Ps-Grad. Em EP

II - 30

o p

q r
Ps-Grad. Em EP

s
II - 31

Como utilizar o NCSS para plotar dados de demanda


6. Para obter o grfico, escolha Run e depois Run Procedure no menu principal.

Ps-Grad. Em EP

II - 32

Modelos de Sries Temporais


Modelos no causais Previso futura baseada no padro de comportamento da srie histrica de dados Investigaremos modelos de suavizao exponencial:

Simples Dupla (Holt) Sazonal (Holt-Winters)

Ps-Grad. Em EP

II - 33

Suavizao Exponencial

Pondera dados atravs de mtodo de clculo bastante simplificado Usa dados recentes, dispensando o registro de dados antigos Recomendado para forecastings de horizonte curto

Ps-Grad. Em EP

II - 34

Suavizao Exponencial Simples

Suavizao Exponencial Simples assume que o padro de demanda histrica apresenta somente componentes de nvel e rudo Mtodo obtm a previso para um perodo futuro ajustando a previso do perodo atual com o erro de previso Previso no perodo t+1 (Ft+1) igual a demanda observada em t (Yt) mais a previso feita para o perodo t, ponderadas por um ndice de suavizao :

Ft +1 = Yt + (1 ) Ft
Ps-Grad. Em EP

II - 35

Suavizao Exponencial Simples

Para inicializar o mtodo necessrio arbitrar um valor para F0 Pode-se proceder de duas maneiras:

Considerar F0 igual a Y0 Utilizar a mdia das primeiras observaes da srie temporal

Ps-Grad. Em EP

II - 36

Suavizao Exponencial Simples


A chave do mtodo escolher um timo Isto pode ser feito atravs da minimizao de erros (ou resduos):

Escolhe-se um valor de , aplica-se o mtodo e anotam-se os erros (diferena entre valores realizados e preditos) Repete-se o procedimento para outros valores de O parmetro de suavizao timo ser aquele com o qual se obtm a menor soma dos quadrados dos erros de previses

Ps-Grad. Em EP

II - 37

Como utilizar o NCSS para prever demanda usando suav. expo. simples
1. Abra o NCSS; a 1a janela a aparecer a de entrada dos dados. 2. Clique no painel Variable Info e identifique as colunas da janela de entrada de dados assim:

C1 renomeada como Tempo C2 renomeada como Demanda C3 renomeada como Pred Expo Simples C4 renomeada como Res Expo Simples

Estas colunas j esto prontas!

Ps-Grad. Em EP

II - 38

o n

p
Ps-Grad. Em EP

II - 39

NCSS para prever demanda usando suavizao exponencial simples


3. Na janela Sheet 1, entre com os valores de tempo e demanda nas respectivas colunas No exemplo:
Tempo Demanda 0 100 1 115 2 116 3 125 4 135

Desejamos previses p/ os prximos 5 meses; indique os perodos na Tempo Demanda coluna tempo:
0 1 2 3 4 5 6 7 8 9 100 115 116 125 135

Isto j est pronto!


Ps-Grad. Em EP

II - 40

Ps-Grad. Em EP

II - 41

Suavizao expo. simples no NCSS


4. No item Analysis do menu, selecione Analysis, Forecasting/Time Series e ento Expo Smoothing-Horizontal. Uma janela de comandos aparecer. 5. Em Data Variables indique a coluna onde esto os dados de demanda (clique select variables, e escolha a coluna de demanda).

Ps-Grad. Em EP

II - 42

n o

p
Ps-Grad. Em EP

II - 43

Suavizao expo. simples no NCSS


6. Clique em Number of forecasts e selecione 5 no combo box logo abaixo do menu. 7. Clique em Forecasts, select variables, e escolha a coluna de pred expo simples (as predies sero armazenadas nesta coluna). Clique em Residuals, select variables, e escolha res expo simples. 8. Clique em Show forecasts report at aparecer a opo data and forecasts. 9. Selecione Run e Run Procedure no menu.

Ps-Grad. Em EP

II - 44

o n

Ps-Grad. Em EP

II - 45

Analisando os resultados
Exponential Smoothing Report
Page Database Time/Date 1 C:\NCSS60\EXEMPLO1.S0 10:22:42 08-08-1999

Forecast Summary Section Variable: Demanda Number of Rows: 5 Mean: 118.2 Pseudo R-Squared: 0.396858 Mean Square Error 81.4 Mean |Error|: 7 Mean |Percent Error|: 5.702591 Alpha Search: Mean Square Error Alpha: 1 Forecast: 135

Analise o Pseudo R-Squared (R2): ele indica o quanto o modelo representa os dados. Desejamos R2 1.0 (100% de ajuste), mas R2 > 0.75 j resultam em boas predies. Critrio de busca pelo melhor modelo: menor mdia dos quadrados dos erros. Erro = (real - predito). Melhor previso do futuro dada pelo perodo anterior!

Ps-Grad. Em EP

II - 46

Analisando os resultados

Demanda Chart
140.0

Demanda

106.3

117.5

Grfico mostra predies em cada perodo (em vermelho) e valores reais (pontos em azul). Como suav.expo. simples no captura tendncia, ajuste ruim (s entre real e predito so grandes).
II - 47

95.0 1

128.8

11

Time

Ps-Grad. Em EP

Voltando ao painel NCSS Data:


Tempo 0 1 2 3 4 5 6 7 8 9 Demanda Pred. Expo. Simples Resid. Expo. Simples 100 100 -2.96E-09 115 100 15 116 115 1.000000003 125 116 9 135 125 10 135 135 135 135 135

Predies foram escritas na coluna indicada. Resduos permitem avaliar eficincia do modelo.

Ps-Grad. Em EP

II - 48

Resumo dos resultados:

O NCSS fez a busca pelo melhor :

o resultado foi = 1 (a melhor predio do futuro dada pelo realizado anterior)

O ajuste do modelo, em Pseudo R-Squared = 0.39, evidencia modelo imprprio

Tendncia ascendente nos dados ser capturada pela Suavizao Exponencial Dupla

Ps-Grad. Em EP

II - 49

Suavizao Exponencial na presena de tendncia (Suav. Dupla)

Mtodo da Suavizao Linear de Holt o mtodo mais utilizado de Suavizao Exponencial Dupla:

Mtodo expande Suavizao Exponencial Simples para previses com dados que apresentam tendncia linear, mas que no apresentam sazonalidade

A previso com Suavizao de Holt obtida com o uso de duas constantes de suavizao, e (com valores entre 0 e 1, e no relacionados), e das equaes a seguir:

Ps-Grad. Em EP

II - 50

Suavizao Exponencial na presena de tendncia (Suav. Dupla)


Previso:

Ft + m = Lt + bt m
Lt = Yt + (1 )( Lt 1 + bt 1 )

Nvel:

Tendncia:

bt = ( Lt Lt 1 ) + (1 )bt 1

Ft+m = previso para o perodo t+m m = horizonte de previso Lt = estimativa do nvel da srie temporal no perodo t bt = estimativa de tendncia da srie temporal para o perodo t

e = constantes de suavizao Ps-Grad. Em EP

II - 51

Suavizao Exponencial na presena de tendncia (Suav. Dupla)

A inicializao do mtodo de Holt requer duas estimativas:

uma o valor suavizado para L0 e outra a tendncia b0

Como no mtodo de Suavizao Exponencial Simples, valores de e podem ser determinados atravs da minimizao da soma dos quadrados dos erros de previso

Ps-Grad. Em EP

II - 52

NCSS possui trs modelos de suavizao dupla


Ilustrao utilizando os dados do exemplo inicial 1. Clique no painel Variable Info e identifique as colunas C5 e C6 como abaixo:

C5 renomeada como Pred Expo Dupla C6 renomeada como Resid Expo Dupla

2. Selecione Analysis, Forecasting/Time Series e ento Expo Smoothing-Trend no menu 3. Em Data Variables indique a coluna onde esto os dados de demanda (clique select variables, e escolha a coluna de demanda)

Ps-Grad. Em EP

II - 53

p
Ps-Grad. Em EP

q
II - 54

NCSS procura o melhor ajuste aos dados utilizando um dos trs modelos
4. Em Type, selecione Holts linear trend no combo box abaixo do menu. Em Number of forecasts, selecione 5 no combo box abaixo do menu. 5. Clique em Forecasts, select variables, e escolha a coluna de pred expo dupla (as predies sero armazenadas nesta coluna). Clique em Residuals, select variables, e escolha resid expo dupla. 6. Clique em Show forecasts report at aparecer a opo data and forecasts. 7. Selecione Run e Run Procedure no menu.
Ps-Grad. Em EP

II - 55

o p q s

r
Ps-Grad. Em EP

II - 56

Analisando os resultados
Trend Report Page 1 Database C:\NCSS60\EXEMPLO1.S0 Time/Date 11:35:16 08-08-1999 Forecast Summary Section Variable: Demanda Number of Rows: 5 Mean: 118.2 Pseudo R-Squared: 0.946203 Mean Square Error: 7.260462 Mean |Error| 2.461712 Mean |Percent Error| 2.114331 Forecast Method: Holt's Linear Trend Search Iterations: 92 Search Criterion: Mean Square Error Alpha: 0.2833219 Beta: 0.1495087 Intercept (A): 97.00305 Slope (B): 7.298961

Pseudo R-Squared (R2): ajuste melhor que anterior (de 0,40 p/ 0,95) Indica mtodo de suavizao dupla utilizado (Holts) e nmero de iteraes at o timo (92)

Apresenta valores de e selecionados

Ps-Grad. Em EP

II - 57

Analisando os resultados
Demanda Chart
180.0 155.0

Melhora sensvel no ajuste. Suavizao dupla captura tendncia e incorpora nas predies futuras.
1 3 6 8 11

Demanda

80.0

105.0

130.0

Time

Ps-Grad. Em EP

II - 58

Voltando ao painel NCSS Data:


Tempo 0 1 2 3 4 5 6 7 8 9 Demanda Pred. Expo. Simples Resid. Expo. Simples Pred. Expo. Dupla Resid. Expo. Dupla 100 100 -2.96E-09 98.20 1.80E+00 115 100 15 111.34 3.656794507 116 115 1.000000003 119.79 -3.791025908 125 116 9 125.97 -0.968131052 135 125 10 132.90 2.095984935 135 140.80 135 148.10 135 155.39 135 162.69 135 169.99

Predies foram escritas na coluna indicada.

Compare magnitude dos erros (suav. expo dupla apresenta resduos bem menores)
Ps-Grad. Em EP

II - 59

Resumo de Resultados:

O NCSS fez a busca pelos melhores e :

aqueles que minimizam a soma do quadrado dos resduos

O ajuste do modelo, em Pseudo R-Squared = 0.946, bem melhor do que Expo Simples (0.40)

Ps-Grad. Em EP

II - 60

Mtodo de Holt-Winters p/ demanda com variao sazonal

Mtodo de Holt-Winters utilizado em situaes onde sries temporais apresentam padro de demanda com tendncia linear e sazonalidade Mtodo aplica equaes de suavizao para estimar o nvel, a tendncia e a sazonalidade da srie temporal analisada no processo de previso Mtodo oferece duas abordagens distintas, as quais dependem do tipo de sazonalidade presente nos dados:

forma multiplicativa forma aditiva


Ps-Grad. Em EP

II - 61

Situao onde modelo multiplicativo apropriado


xt Amplitude do padro sazonal varia c/ o nvel da demanda

1 estao t

Quando a amplitude permanece constante, modelo aditivo o adequado

Ps-Grad. Em EP

II - 62

Equaes bsicas do mtodo multiplicativo


Previso:

Ft + m = ( Lt + bt m) St s + m
Lt = Yt + (1 )( Lt 1 + bt 1 ) St s

Nvel:

Tendncia:

bt = ( Lt Lt 1 ) + (1 )bt 1

Sazonalidade:

St =

Yt + (1 ) St s Lt

s o nmero de perodos por ciclo sazonal, St a estimativa do componente sazonal da srie temporal no perodo t e , e so as constantes de suavizao (com valores entre 0 e 1, e no relacionados)
Ps-Grad. Em EP

II - 63

Equaes bsicas do mtodo aditivo


Previso:

Ft + m = Lt + bt m + St s + m
Lt = (Yt St s ) + (1 )( Lt 1 + bt 1 )

Nvel:

Tendncia:

bt = ( Lt Lt 1 ) + (1 )bt 1

Sazonalidade:

St = (Yt Lt ) + (1 ) St s

Ps-Grad. Em EP

II - 64

Aplicando o modelo de Holt-Winters a um exemplo (no NCSS)


Ms Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Total Pneus Vendidos Ano 1 Ano 2 195 229 252 271 299 333 276 305 258 277 210 239 192 211 154 193 141 155 128 159 200 209 217 236 2522 2817 Ano 3 275.6 339.95 410.8 377.65 347.75 291.85 261.95 225.55 192.4 186.55 265.85 294.45 3470.35

Dados disponveis na pgina da disciplina na Web

Ps-Grad. Em EP

II - 65

Anlise grfica (p/ verificar sazonalidade e amplitude do fator sazonal)


Tenpo vs Demanda
450.0

Demanda

100.0

187.5 0.0

275.0

362.5

10.0

20.0

30.0

40.0

Tenpo

Forte padro sazonal (ciclo sazonal de 12 meses) Suave tendncia Modelo multiplicativo pode ser adequado

Ps-Grad. Em EP

II - 66

Roteiro de Anlise no NCSS


1. Abra um novo arquivo de dados. Clique no painel Variable Info e renomeie as colunas:

C1 = Tempo; C2 = Demanda; C3 = Pred; C4 = Resid.

2. Selecione Analysis, Forecasting/Time Series e ento Expo Smoothing-Seasonal no menu. 3. Em Data Variables indique a coluna onde esto os dados de demanda. Em Seasonal Adjustment, escolha entre multiplicative e additive conforme resultado do grfico (multiplicative, no exemplo).

Ps-Grad. Em EP

II - 67

n o

q
Ps-Grad. Em EP

II - 68

Roteiro de Anlise no NCSS


4. Em Number of Seasons, indique o no de perodos na estao (12 no exemplo). 5. Em Number of Forecats indique o no de predies desejadas (6, p.ex.). 6. Em Forecasts e Residuals, indique as colunas na planilha de dados onde predies e resduos devem ser armazenados (em pred e resid, no exemplo). 7. Selecione Run e Run Procedure no menu.

Ps-Grad. Em EP

II - 69

o p

q
Ps-Grad. Em EP

II - 70

Analisando os resultados
Seasonal - Trend Report Page 1 Database C:\NCSS60\SAZONAL.S0 Time/Date 17:04:44 08-08-1999 Forecast Summary Section Variable Demanda Number of Rows 36 Mean 244.7042 Pseudo R-Squared 0.962501 Mean Square Error 164.3783 Mean |Error| 9.003069 Mean |Percent Error| 3.442366 Forecast Method Winter's with multiplicative seasonal adjustment. Search Iterations 88 Search Criterion Mean Square Error Alpha 6.719639E-02 Beta0.2102971 Gamma 0.9214879

Pseudo R-Squared (R2): ajuste muito bom (0,96). Indica mtodo de suavizao sazonal utilizado (multiplicativo) e nmero de iteraes at o timo (88).

Apresenta valores de , e selecionados.

Ps-Grad. Em EP

II - 71

Grfico Demanda real vs Predies


450.0

Tempo vs Demanda vs Predio (vermelho) Tempo vs Demanda (amarelo)

Demanda

100.0

187.5 0.0

275.0

362.5

10.0

20.0

30.0

40.0

Tempo

Ps-Grad. Em EP

II - 72

Modele os dados abaixo e determine previses p/ os prximos 3 meses


Dados disponveis na pgina da disciplina

Srie I: Demanda de filtros de leo ( 1000 unidades)


Ms, t Demanda Ms, t Demanda Ms, t Demanda Ms, t Demanda 1995/1 317 1996/13 460 1997/25 538 1998/37 626 2 194 14 395 26 570 38 690 3 312 15 392 27 600 39 680 4 316 16 447 28 565 40 673 5 322 17 452 29 485 41 613 6 334 18 571 30 604 42 744 7 317 19 517 31 527 43 718 8 356 20 397 32 603 44 767 9 428 21 410 33 604 45 728 10 411 22 579 34 790 46 793 11 494 23 473 35 714 47 726 12 412 24 558 36 653 48 777
Ps-Grad. Em EP

II - 73

Modele os dados abaixo e determine previses p/ os prximos 3 meses


Srie II: Demanda de vinho
Ms, t Demanda Ms, t Demanda Ms, t Demanda Ms, t Demanda 1980/1 143 1981/13 189 1982/25 359 1983/37 332 2 138 14 326 26 264 38 244 3 195 15 289 27 315 39 320 4 225 16 293 28 361 40 437 5 175 17 279 29 414 41 544 6 389 18 552 30 647 42 830 7 454 19 674 31 836 43 1011 8 618 20 827 32 901 44 1081 9 770 21 1000 33 1104 45 1400 10 564 22 502 34 874 46 1123 11 327 23 512 35 683 47 713 12 235 24 300 36 352 48 487
Ps-Grad. Em EP

II - 74

Modele os dados abaixo e determine previses p/ as prximas 12 semanas


Dois anos atrs Semana Gales 1 530 2 570 3 560 4 530 5 510 6 560 7 610 8 560 9 580 10 610 11 650 12 700 13 670 14 700 15 760 16 730 17 760 18 820 19 780 20 900 21 840 22 770 23 820 24 800 25 760 26 760 27 770 28 790 29 760 30 740 31 720 32 670 33 690 34 470 35 670 36 690 37 620 38 650 39 610 40 620 41 640 42 590 43 610 44 600 45 630 46 600 47 630 48 640 49 610 50 590 51 610 52 630 Um ano atrs Semana Gales 1 660 2 640 3 810 4 790 5 820 6 650 7 710 8 700 9 670 10 690 11 730 12 730 13 760 14 790 15 810 16 870 17 890 18 870 19 890 20 880 21 930 22 980 23 900 24 860 25 890 26 880 27 870 28 840 29 860 30 910 31 870 32 860 33 840 34 540 35 780 36 750 37 780 38 760 39 710 40 730 41 750 42 750 43 710 44 750 45 720 46 770 47 740 48 750 49 760 50 780 51 800 52 850 Este ano Semana Gales 1 790 2 860 3 890 4 780 5 810

Srie III: Consumo de gasolina comum nas segundas feiras em um posto de gasolina de baixo volume de vendas. Analise (e suavize) valores suspeitos Informaes: 1. Nos dois primeiros anos, dois feriades acabaram na tera-feira (puxando o consumo na segunda para baixo). 2. Durante o segundo ano, o posto manteve um ms de preos reduzidos (promoo).
Ps-Grad. Em EP

II - 75

Implementao de um sistema de previso de demanda

Mtodo ser ilustrado atravs de um estudo de caso (desenvolvido por Lemos & Fogliatto) Etapas so:
1. 2. 3. 4. 5. 6. Definio do problema Obteno de informaes Escolha do mtodo de previso Seleo do pacote computacional Implementao dos mtodos Validao das concluses

Ps-Grad. Em EP

II - 76

Etapa 1: Definio do problema


Empresa de manufatura Previses de demanda acuradas para 3 produtos consolidados no mercado interno Previses sero utilizadas para programao de produo, planejamento de capacidade de produo, controle de estoques, aquisio de matrias-primas e contratao de mo-de-obra

Ps-Grad. Em EP

II - 77

Etapa 2: Obteno de informaes


Nvel industrial de previso: local Ciclo de vida do item a ser previsto: estgio de estabilidade no mercado Fatores temporais:
9 9 9

perodo de previso mensal intervalo mensal entre previses horizonte de previso de curto prazo (3 meses)

Ps-Grad. Em EP

II - 78

Etapa 2: Obteno de informaes

A empresa disponibilizou:

Dados histricos de demanda mensal no mercado interno Estimativas subjetivas de queda na participao de mercado dos produtos de interesse; e
10K 5% Produto 18K 15% 30K 25%

Previso de demanda feita pelos especialista da empresa


Ps-Grad. Em EP

II - 79

a) Srie temporal original do produto 10k


12000 10000 8000
12000 10000 8000 6000 4000 2000

b) Srie temporal ajustada do produto 10k

CAP 4
6000 4000 2000 2000 2001 2002 2003 2004

2000

2001

2002

2003

2004

c) Srie temporal original do produto 18k


3000 2500 2000 1500 1000 500 2000
3000 2500 2000 1500 1000

d) Srie temporal ajustada do produto 18k

2001

2002

2003

2004

500 2000

2001

2002

2003

2004

e) Srie temporal original do produto 30k

f) Srie temporal ajustada do produto 30k

1500

1500

1000

1000

500

500

2000

2001

2002

2003

Em EP Ps-Grad. 20 00 2004

2001

20 02

2003

II - 80 20 04

Etapa 3: Escolha do mtodo de previso


Nvel Industrial da previso

Nvel Setorial

Nvel Corporativo

Nvel da Unidade Estratgica de Negcios

Nvel da Unidade de Manuteno de Estoque

Nvel local

Menor nmero de previses Freqncia baixa de obteno de previses Necessidade de incorporao de anlises subjetivas Horizontes de previso de mdio e longo prazo Intervalos maiores entre previses Perodos menores de previso

Maior nmero de previses Freqncia alta de obteno de previses Dificuldade de incorporao de anlises subjetivas Horizontes de previso de curto e mdio prazo Intervalos menores entre previses Perodos menores de previso

Estgio do ciclo de vida do produto

Estgio do ciclo de vida do produto: Crescimento rpido no mercado Estabilidade no mercado Declnio do produto Crescimento rpido no mercado Estabilidade no mercado Dados suficientes para modelagem matemtica Mtodos Causais Mtodos de Extrapolao

Desenvolvimento de produtos Teste e introduo de mercado

Decllnio do produto

Dados insuficientes para modelagem matemtica

Dados suficientes para modelagem matemtica,mas preferncia por mtodos simples

Mtodos Qualitativos

Ps-Grad. Em EP
Mtodos Quantitativos

II - 81

Etapa 3: Escolha do mtodo de previso


Mtodos Quantitativos Bom conhecimento da relao entre variveis que influenciam a previso?
No Sim

Tipos de dados
amostrais sries temporais

Grandes mudanas so esperadas? Anlise multivariada?


No Sim

Anlise de diferentes polticas?


No Sim

Bom conhecimento contextual?


Sim No

Mtodos causais Mtodos de Extrapolao Bom conhecimento de fatores econmicos relacionados a previso?
No Sim

Recursos limitados para implementao?


Sim No

Analogia

Sistema Especialista Bootstrapping Subjetivo

Previso baseada em regras

Mdia Mvel Suavizao Exponencial

Box-Jenkins

Anlise de Regresso

Modelos Economtricos

Ps-Grad. Em EP

II - 82

Etapa 4: Seleo do Pacote Computacional

Caractersticas desejveis:
9 9 9 9 9

Disponibilizar os mtodos quantitativos selecionados; Custo de aquisio moderado; Fcil entendimento e utilizao; Previses de vrias sries temporais em paralelo; e Opo de seleo automtica do melhor mtodo

Ps-Grad. Em EP

II - 83

Etapa 5: Implementao dos Mtodos

Implementao dos Mtodos de Extrapolao

Mtodos de Suavizao Exponencial e Box-Jenkins; As sries temporais foram divididas em duas partes
9 9

Ajuste do modelo matemtico (47 perodos mensais) Validao do mtodo (3 ltimos perodos mensais)

Ps-Grad. Em EP

II - 84

Etapa 5: Implementao dos Mtodos


a) Modelagem de srie temporal pelo mtodo de Suavizao Exponencial
12000 10000

b) Modelagem de srie temporal pelo mtodo de Box-Jenkins


12000 10000 8000

CAP 4
6000 4000 2000 0 2000

8000

6000 Estudo de caso 1: Implementao dos mtodos (10K) 4000 2000

2001

2002

2003

2004

2000

2001

2002

2003

2004

Mtodo de Suavizao Exponencial Modelo matemtico Suavizao Exponencial sem tendncia sazonalidade multiplicativa R MAPE
2

Mtodo de Box-Jenkins Modelo matemtico ARIMA(0,1,0)*(0,1,0)12

0,9473 0,1543

R MAPE

0,9036 0,1341

Ps-Grad. Em EP

II - 85

Etapa 5: Implementao dos Mtodos

Ajuste subjetivo das previses quantitativas


Previses individuais Mtodo de Mtodo de Suavizao Box-Jenkins Exponencial Previso Previso Pontual Pontual 4.458 3.773 2.452 1.876 2.406 1.893 1.578 1.824 882 878 828 1.097 1.043 1.003 744 759 502 483

Produto 10k

Perodo dezembro-03 janeiro-04 fevereiro-04 dezembro-03 janeiro-04 fevereiro-04 dezembro-03 janeiro-04 fevereiro-04

18k

30k

Ps-Grad. Em EP

II - 86

Etapa 6: Validao das previses


Mtodo de Suavizao Exponencial Mtodo de Box-Jenkins Previso Pontual 3.972 1.975 1.992 2.146 1.033 1.291 1.337 1.011 644 APE 0,0311 0,0064 0,1867 0,3675 0,1534 0,9529 0,5060 0,7713 0,8894 MAPE 0,0747

Acurcia das demandas pontuais previstas sem ajuste subjetivo das previses.

Produto 10k

18k

30k

Demanda real dezembro-03 3.852 janeiro-04 1.988 fevereiro-04 1.679 dezembro-03 1.569 janeiro-04 896 fevereiro-04 661 dezembro-03 888 janeiro-04 571 fevereiro-04 341 Perodo

Previso Pontual 4.693 2.581 2.533 1.857 1.038 974 1.390 992 670

APE

MAPE

0,2183 0,2984 0,3417 0,5084 0,1835 0,1582 0,2719 0,4740 0,5658 0,7367 0,7557 0,9646

0,4913

0,7222

Mtodo de Suavizao Exponencial

Mtodo de Box-Jenkins Previso Pontual 3.773 1.876 1.893 1.824 878 1.097 1.003 759 483 APE 0,0205 0,0561 0,1273 0,1624 0,0196 0,6600 0,1295 0,3285 0,4170 MAPE 0,0680

Acurcia das demandas pontuais previstas com ajuste subjetivo.

Produto 10k

Perodo dezembro-03 janeiro-04 fevereiro-04 dezembro-03 janeiro-04 fevereiro-04 dezembro-03 janeiro-04 fevereiro-04

18k

30k

Demanda Previso APE MAPE real Pontual 3.852 4.458 0,1574 1.988 2.452 0,2335 0,2746 1.679 2.406 0,4329 1.569 1.578 0,0060 896 882 0,0155 0,0915 661 828 0,2529 888 1.043 0,1744 571 744 0,3026 EP0,3168 Em Ps-Grad. 341 502 0,4734

0,2807

0,2917

II - 87

Etapa 6: Validao das previses


Acurcia das demandas pontuais previstas pelos especialistas da empresa e pelo mtodo selecionado

Mtodo proposto Produto 10k Perodo dezembro-03 janeiro-04 fevereiro-04 dezembro-03 janeiro-04 fevereiro-04 dezembro-03 janeiro-04 fevereiro-04 Demanda real 3.852 1.988 1.679 1.569 896 661 888 571 341 Previso Pontual 3.773 1.876 1.893 1.578 882 828 1.003 759 483 APE 0,0205 0,0561 0,1273 0,0060 0,0155 0,2529 0,1295 0,3285 0,4170 MAPE 0,0680

Especialistas da empresa Previso Pontual 5.968 4.680 381 2.491 1.488 1.559 1.313 956 830 APE 0,5493 1,3541 0,7731 0,5876 0,6607 1,3585 0,4786 0,6743 1,4340 MAPE 0,8922

18k

0,0915

0,8690

30k

0,2917

0,8623

Ps-Grad. Em EP

II - 88

Bibliografia recomendada sobre previso


ARMSTRONG, J. Principles of Forecasting: a Handbook for Researchers and Practitioners. Boston: Kluwer Academic Publishers, 2001. BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos: Planejamento, Organizao e Logstica Empresarial. 4. ed., Porto Alegre: Bookman, 2001. DAVIS, M.; AQUILANO, N.; CHASE, R. Fundamentos da Administrao da Produo. Porto Alegre: Bookman, 2001. ELSAYED, E.A. & BOUCHER, T.O. (1994). Analysis and Control of Production Systems. 2rd Ed., Prentice-Hall, Englewood Cliffs. KRAJEWSKI, L. J. Operations management: strategy and analysis. 3 ed. Reading: Addison-Wesley, 1993. 904 p. MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R. Forecasting: Methods and Applications. 3. ed., New York: John Wiley & Sons, 1998. MONTGOMERY, D.; JOHNSON, L.; GARDINER, J. Forecasting and Time Series Analysis. New York: McGraw-Hill, 1990.
Ps-Grad. Em EP

II - 89

Mdulo III

Gesto de Estoques

F. Fogliatto

Ps-Grad. em EP

III - 1

Objetivos
Descrever trade-offs de custo & servio envolvidos nas decises relacionadas a estoques. Distinguir entre diferentes tipos de estoques e aprender a gerenciar suas quantidades. Calcular o lote econmico de compra e aplic-lo em situaes distintas.

F. Fogliatto

Ps-Grad. em EP

III - 2

Objetivos (Cont.)
Desenvolver polticas de gesto para sistemas de controle de estoques do tipo:
reviso contnua, reviso peridica.

Priorizar itens em estoques e implementar modelos de clculo de lotes econmicos de compra em planilha eletrnica.

F. Fogliatto

Ps-Grad. em EP

III - 3

Estoques
Criados quando o recebimento de
materiais (insumos), partes em processo, ou produtos acabados

excede o seu consumo

F. Fogliatto

Ps-Grad. em EP

III - 4

Por que manter estoques baixos?


Principal razo: estoque = investimento em bens sobre os quais se paga (e no se recebe) juros. Custo de guarda fora reduo de estoques; seus componentes so:
custo de oportunidade, custo de estocagem e manuseio, custo de impostos, seguros, roubos, obsolescncia e deteriorao.
F. Fogliatto Ps-Grad. em EP Em detalhes... III - 5

Por que manter estoques baixos?

Custos de guarda
Custo varivel, que funo do tempo. Igual a um % do valor do item; normalmte, custo de guarda anual varia entre 20 e 40% do valor do item.
Suponha empresa c/ custo mdio de guarda de 30%, e valor mdio do estoque igual a 20% das vendas. Custo anual de guarda do estoque igual a 6% (0,3 0,2) das vendas. C/ margens normalmte < 10%, valor considervel!!
F. Fogliatto Ps-Grad. em EP III - 6

Por que manter estoques baixos?

Componentes do Custo de guarda


Oportunidade
P/ adquirir estoques, empresas necessitam emprstimos a juros altos. $ aplicado em estoque poderia estar investido no mercado financeiro. Este normalmte o maior componente dos custos de guarda

F. Fogliatto

Ps-Grad. em EP

III - 7

Por que manter estoques baixos?

Componentes do Custo de guarda


Estocagem e manuseio
Estoques ocupam espao e demandam movimentao. Custos incidem qdo empresas alugam espaos, contratam 3os p/ gerenciar movimento de materiais ou entregam estoques a operadores logsticos. Custos de oportunidade tambm incidem sobre custos de estocagem e manuseio.
F. Fogliatto Ps-Grad. em EP III - 8

Por que manter estoques baixos?

Componentes do Custo de guarda


Impostos, seguros, roubos, obsolescncia e deteriorao
Impostos e seguros proporcional ao volume de estoques no final do exerccio. Obsolescncia: alta em setores como vesturio e informtica. Deteriorao: alta em setores como alimentao e farmacuticos.
F. Fogliatto Ps-Grad. em EP III - 9

Por que manter estoques altos?


Principal razo: garantir nvel de servio (cliente no costuma esperar mais de uma vez pelo produto desejado). Quantidade de estoque mantido na economia americana excede US$ 1,3 trilhes (2001): (2001)
Existem presses para manter estoques altos; Investigaremos algumas delas na sequncia.
O que nvel de servio?? servio?? F. Fogliatto Ps-Grad. em EP III - 10

Nvel de Servio (Service level, SL)


Probabilidade desejada de no ocorrncia de escassez durante um ciclo de pedido.
Definio probabilstica = uma das definies de SL; outras sero vistas mais adiante. Escassez = ocorre qdo item demandado no encontra-se disponvel, implicando em venda perdida. Ciclo de pedido = perodo de tempo entre colocao do pedido e sua chegada no estoque.
F. Fogliatto Ps-Grad. em EP III - 11

Por que manter estoques altos?


Alguns custos so beneficiados c/ aumento de estoques:
custo de colocao de pedidos, custo de setup de produo, custo de transporte.

F. Fogliatto

Ps-Grad. em EP

III - 12

Por que manter estoques altos?

Custo de colocao de pedidos


Pode ser interno ou externo. independente da quantidade encomendada. Comrcio eletrnico (sistemas e-procurement) pode ser utilizado na reduo deste custo:
Reduo de paperwork Reduo de erros no processo de compra

F. Fogliatto

Ps-Grad. em EP

III - 13

Por que manter estoques altos?

Custo de setup
Custo de preparao de mquinas ou sistemas produtivos p/ produzir um item diferente. diferente independente do tamanho do pedido. Inclui mo-de-obra, tempo ocioso de produo, limpeza, demanda por novas ferramentas, etc. Refugo e retrabalho costumam ser muito maiores qdo processos do a partida.
F. Fogliatto Ps-Grad. em EP III - 14

Por que manter estoques altos? Utilizao de equipamtos e mo-de-obra

Estoque = aumento na produtividade da forade-trabalho e utilizao da estrutura fixa de trs maneiras: maneiras
n Ordens maiores de produo reduzem setups. o Reduo na necessidade de replanejar a produo p/ produzir itens faltantes. p Taxa de demanda estabilizada em produtos c/ demanda sazonal, aumentando utilizao da estrutura fixa.
F. Fogliatto Ps-Grad. em EP III - 15

Por que manter estoques altos?

Custo de transporte
Produtos em estoque permitem melhor composio de cargas e evitam gastos em transporte especial p/ pedidos atrasados. Itens comprados de um mesmo fornecedor podem ser agrupados:
preo de compra pode resultar menor (descontos) transporte barateado pelo rateio da carga
F. Fogliatto Ps-Grad. em EP III - 16

Tipos de Estoques
de ciclo, de segurana, de antecipao, em movimentao.

Em detalhes...
F. Fogliatto Ps-Grad. em EP III - 17

Estoque de Ciclo
Poro do estoque total que varia diretamente c/ o tamanho do lote.

F. Fogliatto

Ps-Grad. em EP

III - 18

Estoque de ciclo

Princpios de dimensionamento de lotes


1. Tamanho do lote (Q) funo do tempo transcorrido (ciclo) ciclo entre pedidos.
Exemplo: pedidos colocados a cada 10 semanas tamanho mdio do lote igual a 10 semanas de demanda.

2. Quanto maior o tempo entre pedidos, maior deve ser o estoque de ciclo.

F. Fogliatto

Ps-Grad. em EP

III - 19

Estoque de Segurana
Estoque gerado p/ proteger operaes contra incertezas na:
demanda, lead time, fornecimento.

Quando so necessrios:
Externo fornecedores no entregam nas datas/quantidades contratadas. Interno nvel de qualidade do item manufaturado abaixo do esperado.
F. Fogliatto Ps-Grad. em EP III - 20

Estoque de Segurana
Como se forma:
pedidos colocados antes da data limite, limite chegando antes da necessidade prevista. Pedidos colocados em quantidades maiores do que o necessrio.

F. Fogliatto

Ps-Grad. em EP

III - 21

Estoque de Antecipao
Usado p/ absorver flutuaes (taxas irregulares) na demanda ou fornecimento. Exemplos:
fabricantes de ar-condicionado, fabricantes de cervejas e refrigerantes, iminncia de greve em fornecedores.

Vantagem: Vantagem suaviza taxas de produo e nvel da fora de trabalho, reduzindo custos.
F. Fogliatto Ps-Grad. em EP III - 22

Estoque de Movimentao
Pedidos colocados mas ainda no recebidos, em trnsito entre:
fornecedores clientes operaes em uma planta planta centro de distribuio centro de distribuio loja

F. Fogliatto

Ps-Grad. em EP

III - 23

Identificao de itens crticos no estoque atravs da classificao ABC


Anlise ABC processo de diviso de itens em trs classes, de acordo com sua utilizao de capital. Problema modelos de estoques demandam tempo e recursos humanos em sua gesto. Objetivo focar ateno em itens principais em termos de utilizao de capital.
F. Fogliatto Ps-Grad. em EP III - 24

Prtica IIIa: Gere uma classificao ABC para os produtos abaixo


Unidades Compradas Mdia Anual Conversor analgico/digital 2000 Modem externo 36K 1000 Drive de disquete 3.5" 10000 Conversor VGA/NTSC 100 Carto Ethernet 10000 Fonte RS232 1100 Programador EPROM 500 Carto Color VGA 80000 Winchester XT HD 20000 Osciloscpio T8 1000 Item Valor Unitrio $ 350,00 $ 150,00 $ 300,00 $ 525,00 $ 120,00 $ 35,00 $ 160,00 $ 120,00 $ 40,00 $ 1.500,00

Dados disponveis na Web: arquivo Estoques Prtica IIIa.xls

F. Fogliatto

Ps-Grad. em EP

III - 25

Caractersticas genricas de modelos de estoque


Demanda Lead time e taxa de reposio de estoque Ponto de reposio Estoque de segurana

Caractersticas em detalhes...
F. Fogliatto Ps-Grad. em EP III - 26

Demanda
Decises (quanto, quando e como encomendar) so baseadas em demanda futura. Demanda pode ser:
Determinstica; Probabilstica.

Taxa de demanda = quantidd demandada / unidd tempo.


F. Fogliatto Ps-Grad. em EP III - 27

Lead time e Taxa de Reposio


Lead time = intervalo de tempo entre colocao do pedido e recebimento; pode ser determinstico ou probabilstico. Taxa de reposio (ou taxa de produo) = velocidade com que o estoque reposto.

F. Fogliatto

Ps-Grad. em EP

III - 28

Padres de Reposio
Uniforme Instantneo Quadrtica, Batelada

Quantidade em estoque, Q

Tempo, T
F. Fogliatto Ps-Grad. em EP III - 29

Ponto de Reposio
Nvel de estoque que sinaliza a necessidade de pedido para reposio.

funo da demanda durante o lead time.

F. Fogliatto

Ps-Grad. em EP

III - 30

Sistema Padro de Estoque

Imax

Ponto de reposio

Estoque de Segurana Lead time Tempo, T


III - 31

F. Fogliatto

Ps-Grad. em EP

Modelo de Estoque na ausncia de incerteza (demanda conhecida)


Suposies:
Taxa de demanda constante; Taxa de produo, P, finita (ou seja, unidds produzidas acrescentadas ao estoque uma por vez);

Objetivos da anlise:
Determinar tamanho timo do pedido (Q*) e estoque negativo timo permitido (S*max) que minimize custo total anual dos estoques.
F. Fogliatto Ps-Grad. em EP III - 32

Representao grfica de um ciclo de produo


k

Imax

Inclinao P-D

Inclinao D

a j

Smax

0 m T1 T2 Tp T T3 T4 n

Qdo produo inicia (a), o nvel de estoque aumentado a uma taxa P-D, atendendo aos atrasos 1o e ento demanda atual, at que Q unidds sejam adicionadas ao estoque (k). Estoque decresce a uma taxa D durante T3+T4, e outro ciclo inicia em b.
F. Fogliatto Ps-Grad. em EP III - 33

Q* e Smax
Q* e Smax so derivados da expresso do custo total:
CT ( Q, S max ) = AD S D $ S + max + CD + iCI + Q Q
Custo da escassez

Custo do pedido (setup) Custo do produto (consumo) Custo da guarda

F. Fogliatto

Ps-Grad. em EP

III - 34

Notao
Notao C D A P h I max Definio Preo de compra/unidd ou unidd de custo varivel de produo. Taxa de demanda, unidds/ano. Custo fixo do pedido de reposio (custo de pedido) ou custo de setup de produo. Taxa de reposio ou produo, unidds/ano. Custo de guarda do estoque por unidd por ano ($/unid/ano), normalmente expresso por h = iC , onde i a taxa de guarda anual do estoque. Nvel mximo de estoque disponvel, unidds. Nvel mdio de estoque disponvel, unidds. Estoque negativo mximo permitido, unidds Estoque negativo mdio mximo permitido, unidds Ponto de reposio, unidds. Quantidade total pedida, unidds. Custo unitrio de estoque negativo, independente da durao da falta. Custo mdio unitrio anual de estoque negativo. Tamanho do ciclo ou tempo entre rodadas de produo. Custo total anual (funo da poltica de estoques adotada) lead time

I
S max S r Q

T TC l

F. Fogliatto

Ps-Grad. em EP

III - 35

Q* e Smax
$ 2 AD ( D )2 iC + Q* = $) $ iC(1 D P ) iC( iC +

* = S max

( iCQ * D )(1 D / P ) $ iC +

F. Fogliatto

Ps-Grad. em EP

III - 36

Exemplo 1
A empresa XYZ compra 350 filtros de ar por ano. O custo de cada filtro $30 e o custo da colocao do pedido $10. O custo de guarda anual do estoque 0.18 (18% do custo do produto). A escassez dividida em dois componentes:
Custo fixo: $0.30/unidade Custo varivel: $5 por unidade de escassez ao ano.

Determine o tamanho timo do pedido e a escassez tima a ser admitida.

F. Fogliatto

Ps-Grad. em EP

III - 37

Resultados
$ 2 AD ( D )2 iC + Q* = $) $ iC(1 D P ) iC( iC +
2(10)350 (0,30 350) 2 0,18 30 + 5 Q* = 0,18(30)(1 350 / ) 0,18 30(0,18 30 + 5) 5

Q* = 48 unidd / ano
* S max =

(iCQ * D)(1 D / P ) (0,18 30 48 0,3 350)(1 350 ) = iC + 0,18 30 + 5

* S max = 15 unidds

* CT (Q* , S max ) = $10678, 7


F. Fogliatto Ps-Grad. em EP

Frmulas j esto programadas na planilha Excel.


III - 38

Caso Especial:

lote econmico de compra, EOQ


Suposies do modelo:
taxa de demanda constante (p.ex., sempre de 10 unidds/dia) e conhecida com certeza. certeza no h restries no tamanho dos lotes (p.ex., capacidade de produo ou tamanho do caminho). Somente dois custos so relevantes:
custo de guarda do estoque, custo de pedido ou set up por lote.
F. Fogliatto Ps-Grad. em EP

economic order quantity


III - 39

lote econmico de compra

Outras suposies do modelo


Decises feitas sobre um item no afetam demais itens. itens
P.ex., no h vantagem em agrupar pedidos para um mesmo fornecedor.

No h incertezas no lead time. time


P.ex., lead time de 14 dias, sendo constante e conhecido com certeza.

F. Fogliatto

Ps-Grad. em EP

III - 40

modelo matemtico
Modelo c/ taxa de produo for infinita (no temos problemas de fornecimento ou produo) e escassez no admitida; nestas circunstncias, Q* dado por:

lote econmico de compra

2 AD Q* = iC

F. Fogliatto

Ps-Grad. em EP

III - 41

Exemplo 2
Sua loja vende 18 unidds semanais de um secador de cabelos p/ viagem. O fabricante cobra $60/unidd e o custo de colocao do pedido $45. Manter o secador em estoque durante um ano custa 25% do valor do produto e sua loja opera 52 semanas por ano. Voc vem colocando pedidos de 390 unidades, para reduzir o nmero de pedidos. Qual o custo da poltica de estoques que voc vem adotando?
F. Fogliatto Ps-Grad. em EP III - 42

Exemplo 2

Custo total do modelo EOQ


CT (Q*) =
CT (390) =

AD + CD + iCI Q
45(18 52) + 60(18 52) + (0, 25 60 390 2 ) 390

CT (390) = $59193

Utilize a planilha Excel j programada.


F. Fogliatto Ps-Grad. em EP III - 43

Exemplo 2 (Continuao)
Calcule o lote econmico de compra dos secadores e o custo total da poltica econmica de compras. Com qual frequncia os pedidos so colocados quando o EOQ utilizado?

F. Fogliatto

Ps-Grad. em EP

III - 44

Exemplo 2 (Cont.)

Clculo do lote econmico de compra, EOQ


2 AD 2(45 18 52) Q* = = = 75 unidd iC 0, 25 60
CT (75) = 45(18 52) + 60(18 52) + (0, 25 60 75 2 ) = $57284,1 75
sem ano

FEOQ =
F. Fogliatto

EOQ (52 D

)=

75 52 = 4,17 sem 936


Ps-Grad. em EP

Utilize a planilha Excel j programada.


III - 45

Prtica IIIb: Encontre a melhor poltica p/ gesto do estoque do produto abaixo


Um departamento de tornearia encomenda uma pea necessria p/ suas CNCs. A pea custa $60. A demanda anual de 400 peas/ano. O custo da colocao do pedido $20. O custo de guarda anual do estoque 0.24 (24% do custo do produto). Sabe-se que a falta da pea custa ao departamento $20 por pea escassa ao ano. Determine o tamanho timo do pedido, a escassez tima a ser admitida e o custo total da poltica adotada.
F. Fogliatto Ps-Grad. em EP III - 46

Simulao usando o conceito de EOQ


Considere o exemplo de classificao ABC visto anteriormente. Simularemos situao onde pratica-se compra simultnea dos itens nos grupos C e A.
Item 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Demanda Mdia Preo, C Anual, D 2000 156,00 1200 55,00 100 314,00 500 30,00 4800 1,80 250 19,00 120 25,00 100 19,00 1000 1,00 30 25,00 500 0,80 100 1,30 10 5,00 100 0,20 6 2,00 100 0,06 C xD 312000 66000 31400 15000 8640 4750 3000 1900 1000 750 400 130 50 20 12 6 85% Grupo A 12% Grupo B

3% Grupo C

Objetivo = avaliar impacto financeiro da simplificao.


F. Fogliatto Ps-Grad. em EP III - 47

Quantidades timas e Freqncias timas de Compra


Demanda Mdia Preo, C Anual, D 1 2000 156,00 2 1200 55,00 3 100 314,00 4 500 30,00 5 4800 1,80 6 250 19,00 7 120 25,00 8 100 19,00 9 1000 1,00 10 30 25,00 11 500 0,80 12 100 1,30 13 10 5,00 14 100 0,20 15 6 2,00 16 100 0,06 A = $50 i = 0.30 Item C xD 312000 66000 31400 15000 8640 4750 3000 1900 1000 750 400 130 50 20 12 6 CQ* $10.140 4675 3140 2250 1697 1254 1000 798 577 500 365 208 130 82 64 45 Meses Pedidos/ Ano, N 0,4 30,8 0,9 14,1 1,2 10 1,8 6,7 2,4 5,1 3,2 3,8 4 3 5 2,4 6,9 1,7 8 1,5 10,9 1,1 19,2 0,6 31,2 0,4 49 0,2 64 0,2 89 0,1 Total : 81,7 Q* 65 85 10 75 943 66 40 42 577 20 456 160 26 408 32 745

F. Fogliatto

Ps-Grad. em EP

III - 48

Itens no Grupo C so agrupados por fornecedor e encomendados simultaneamente


Compra simultnea:
Item 6 7 8 9 10 11 12 13 14 15 16
F. Fogliatto

Grupo

Poltica Encomenda simultnea a cada 6 meses

II

Encomenda simultnea a cada 12 meses


III - 49

Ps-Grad. em EP

Resultados da simplificao em comparao c/ poltica tima


Item 6 7 8 9 10 11 12 13 14 15 16 Total :
F. Fogliatto

Poltica tima N Q* 3,8 66 3 40 2,4 42 1,7 577 1,5 20 1,1 456 0,6 160 0,4 26 0,2 408 0,2 32 0,1 745 15

Reviso Simultnea N Q (Q = D /N ) 2 125 2 60 2 50 2 500 2 15 1 500 1 100 1 10 1 100 1 6 1 100 16


III - 50

Ps-Grad. em EP

Comparativo de Resultados
Poltica tima Simultnea Custo do Pedido 750 800 Custo da Guarda Total 753 1503 948 1748 Aumento lquido: 245 (+16%)

Compra simultnea:
evita obsolescncia (ver item 16, p.ex.); minimiza custos com pedidos (A).

F. Fogliatto

Ps-Grad. em EP

III - 51

Adotando compra simultnea em itens do Grupo A


Proposta: comprar itens A uma vez por ms, simultaneamente. Resultados:
Item 1 2 Total : Poltica tima N Q* 30,8 65 14,1 85 44,9 Reviso Simultnea N CQ (Q = D /12) 12 166,6 12 100 24

Poltica tima Simultnea

Custo do Pedido 2245 1200

Custo da Guarda Total 2222 4467 4725 5925 Aumento lquido: 1458 (+33%)

Concluso: utilizar lotes timos de compra


F. Fogliatto Ps-Grad. em EP III - 52

Prtica IIIc: Repita a simulao para os itens da Prtica IIIa


Dem. Anual Mdia Conversor analgico/digital 2000 Modem externo 36K 1000 Drive de disquete 3.5" 10000 Conversor VGA/NTSC 100 Carto Ethernet 10000 Fonte RS232 1100 Programador EPROM 500 Carto Color VGA 80000 Winchester XT HD 20000 Osciloscpio T8 1000 A = $150 i = 0,45
F. Fogliatto

Item

Valor Unitrio $ 350,00 $ 150,00 $ 300,00 $ 525,00 $ 120,00 $ 35,00 $ 160,00 $ 120,00 $ 40,00 $ 1.500,00

Simulao: Itens em C = comprar uma vez ao ano. Itens em A = comprar uma vez por ms.
A C
III - 53

Ps-Grad. em EP

Sistemas de Controle de Estoques


Procuram responder a duas questes:
Quanto comprar, e Quando comprar.

Modelam demanda independente (puxada pelo consumidor e sujeita a aleatoriedade). Demanda dependente tratada atravs de sistemas MRP (Material Requirements Planning).
F. Fogliatto Ps-Grad. em EP III - 54

Sistemas analisados neste mdulo


Sistema de Reviso Contnua (Q)
Sistema do Ponto de Reposio Sistema da Quantidade Fixa de Pedido

Sistema de Reviso Peridica


Sistema de Pedido em Intervalos Fixos Sistema de Reposio Peridica

F. Fogliatto

Ps-Grad. em EP

III - 55

Sistema de Reviso Contnua, Q


Sistemtica: Sistemtica
item retirado do estoque nvel do estoque avaliado pedido colocado quando necessrio

Habilitadores: Habilitadores
computadores (EDI) caixas registradoras ligadas a registros de estoques
F. Fogliatto Ps-Grad. em EP III - 56

Nvel do estoque (NE) composto por trs elementos


Estoque disponvel (ED) Recebimentos agendados (RA) Atrasos (backorders, B) Ponto de Reposio (R) = nvel mnimo admitido p/ estoque. Em R, uma quantidade Q do item pedida. Q fixo; intervalo entre pedidos varivel.
F. Fogliatto Ps-Grad. em EP III - 57

NE = ED + RA BO

R quando demanda e lead time so determinsticos

F. Fogliatto

Ps-Grad. EP tempo entre em pedidos fixo

III - 58 Lead time fixo

R quando demanda e lead time so determinsticos


Demanda e lead time so aleatrios - trabalha-se c/ valores mdios. Estoque de segurana necessrio. R = Demanda mdia durante lead time + Estoque de segurana

F. Fogliatto

Ps-Grad. em EP

III - 59

Exemplo 3
Demanda por leite longa-vida em um mercado de 25 caixas/dia e o lead time de 4 dias. Estoque disponvel de 10 caixas. Backorders = 0. Existe um pedido a ser recebido de 200 caixas. O gerente deve colocar um novo pedido?
F. Fogliatto Ps-Grad. em EP III - 60

Exemplo 3

Soluo
R = demanda mdia durante lead time = 25 4 = 100 caixas. NE = ED + RA + BO = 10 + 200 0 = 210 caixas. 210 > 100, logo no necessrio colocar pedido. O estoque est quase zerado, mas considerando a demanda durante o lead time e o pedido a caminho, no necessrio colocar outro pedido.
F. Fogliatto Ps-Grad. em EP III - 61

R quando demanda estocstica

demanda varivel

F. Fogliatto

Ps-Grad. EP tempo entre em pedidos varivel

III - 62

Considere lead time constante. Demanda varivel. Maior no 2o ciclo, p.ex.. Taxa de demanda varivel s tempos entre pedidos. Estoque de segurana (ES) adicionado para evitar rupturas no estoque. ES eleva R. Estoque no cai a 0 quando da reposio. ES = R = rupturas
F. Fogliatto Ps-Grad. em EP III - 63

Distribuio de probabilidade da demanda durante lead time e estoque de segurana


Nvel de servio durante o ciclo [1 P(ruptura)] P(ruptura)

demanda R

Ponto de reposio
F. Fogliatto Ps-Grad. em EP III - 64

Sistema Q c/ demanda estocstica

Estoque de segurana define valor de R


Deciso sobre tamanho do estoque Como administrar trade-off ?
n Utilizar modelos econmicos p/ determinar ES; porm, modelos demandam estimativas de custos de escassez e backorders, nem sempre disponveis. o Calcular ES a partir do nvel de servio desejado.
F. Fogliatto Ps-Grad. em EP III - 65

nvel de servio

custos de guarda

Nvel de Servio, SL Definies


CRITRIO 1
Probabilidade da No-Escassez.

Mais usado e detalhado na sequncia

CRITRIO 2
Nmero de unidades de demanda satisfeitas.

CRITRIO 3
Tempo mdio da escassez.
F. Fogliatto Ps-Grad. em EP III - 66

CRITRIO 1 Probabilidade da No-Escassez


Considere modelo com reviso contnua. Defina SL1 como:

SL1 = 1 P ( x > R ) = 1 f ( x)dx


R

Probabilidade da demanda x durante o lead time ser maior que R.

F. Fogliatto

Ps-Grad. em EP

III - 67

Determinao do Estoque de Segurana a partir do nvel de servio


Suponha demanda durante lead time normalmente distribuda, c/ mdia L e desvio-padro L. Defina o nvel de servio SL1 desejado (p.ex., 85%). Determine o valor de z:

F. Fogliatto

Ps-Grad. em EP

III - 68

Exemplo 4: estoque de segurana de detergentes em um supermercado


Demanda durante lead time segue uma distr. Normal c/ mdia 250 caixas e L = 22 caixas. Nvel de servio (SL1) desejado de 99%. Qual o estoque de segurana necessrio? Qual o valor de R (nvel de estoque que sinaliza necessidade de reposio)?
F. Fogliatto Ps-Grad. em EP III - 69

1o Passo: determine o valor de z usando a planilha Excel


Utilize a funo estatstica INV.NORMP:
Este o valor de z Informe o nvel de servio

F. Fogliatto

Ps-Grad. em EP

III - 70

Determine estoque de segurana e ponto de reposio


ES = z L = 2,33 22 = 51,3 51 caixas
estoque de segurana

R = L + ES = 250 + 51 = 301 caixas


ponto de reposio
F. Fogliatto Ps-Grad. em EP III - 71

Situao mais comum:

Demanda global conhecida, demanda no lead time desconhecida


Suponha demanda X conhecida durante intervalo de tempo t (p.ex., ltimos dois anos). X N (t, t). Seja L o lead time constante, expresso como mltiplo ou frao de t.
Exemplos:
t = 1 semana e lead time = 3 semanas; ento, L = 3. t = 2 anos e lead time = 2 semanas; ento, L = 2/(2 52).
F. Fogliatto Ps-Grad. em EP III - 72

Estimando demanda no lead time a partir da demanda total


Mdia e desvio da demanda no lead time so:

L = L X
L = X L

F. Fogliatto

Ps-Grad. em EP

III - 73

Exemplo 5: estoque de segurana de secadores de cabelo (ver exemplo 2)


Demanda semanal segue uma distr. Normal c/ mdia 18 unidades e X = 5 unidades. Lead time mdio L = 2 semanas. Nvel de servio desejado de 90%. Qual o estoque de segurana necessrio? Qual o valor de R?
F. Fogliatto Ps-Grad. em EP III - 74

Soluo:
Neste caso, t = 1 semana, X N (18, 5) e L = 2. Assim:
L = X L = 5 2 = 7,1

O valor de z quando SL1 = 0,90 :

F. Fogliatto

Ps-Grad. em EP

III - 75

Soluo:
Estoque de segurana:
ES = z L = 1, 28 7,1 = 9,1 9

Ponto de reposio:
R = X L + ES = ( 2 18) + 9 = 45

Este sistema Q opera da seguinte maneira:


sempre que o estoque atingir o nvel de 45 unidds, coloque um pedido de 75 unidds.
F. Fogliatto Ps-Grad. em EP III - 76

Prtica IIId: CD regional que gerencia estoque de ferramentas manuais usando sistema Q
CD opera 5 dias/semana, 52 semanas/ano. Pedidos s podem ser recebidos quando o CD est aberto. Os dados abaixo foram estimados para uma furadeira manual de 3/8 de polegada c/ isolamento duplo e mltiplas velocidades:
Demanda diria mdia = 100 furadeiras Desvio-padro da demanda mdia (X) = 30 furadeiras Lead time (L) = 3 dias Custo de guarda (iC) = $9,40/unidd/ano Custo do pedido (A) = $35/pedido Nvel de servio desejado (SL1) = 92%
F. Fogliatto Ps-Grad. em EP III - 77

Prtica IIId

O que desejamos saber?


Qual o tamanho do pedido, o ponto de reposio e o estoque de segurana recomendados para o produto? O estoque disponvel de 40 unidades, existe um pedido colocado de 440 unidades e a quantidade de backorders zero. Deve-se colocar um novo pedido?

F. Fogliatto

Ps-Grad. em EP

III - 78

Sistema de Reviso Peridica, P


Sistemtica: Sistemtica
posio do estoque do item revisado periodicamente pedido sempre colocado no final de cada reviso tempo entre pedidos fixo em P, mas tamanho do pedido pode variar (demanda aleatria)

Exemplo: Exemplo
fornecedor de refrigerantes faz visitas semanais a mquinas de venda e repe quantidds necessrias p/ atender demanda semanal e estoque de segurana.
F. Fogliatto Ps-Grad. em EP III - 79

Quatro suposies do EOQ so vlidas aqui


No h restries no tamanho do lote de compra (ou produo); Somente custos de guarda e pedido (ou setup) so relevantes. Decises sobre a gesto de um item no afetam os demais itens gerenciados. No h incertezas no lead time (somente na demanda).
F. Fogliatto Ps-Grad. em EP III - 80

Sistema P c/ demanda aleatria

F. Fogliatto

Ps-Grad. em EP

III - 81

Demanda varivel. Maior no 2o ciclo, p.ex.. Aps P perodos de tempo da ltima reviso, coloca-se o pedido. Tamanho do pedido at estoque atingir nvel alvo T. 1o pedido Q1 = T NE1. Demais pedidos seguem lgica similar.
F. Fogliatto Ps-Grad. em EP III - 82

Operacionalizao do Sistema P
Duas decises:
tamanho do intervalo entre revises, P. nvel alvo desejado para o estoque, T.

F. Fogliatto

Ps-Grad. em EP

III - 83

Operacionalizao do Sistema P

Tamanho do intervalo entre revises, P


Determinado a partir de consideraes de ordem prtica.
P.ex., revisar todas as sextas-feiras.

Baseado nos trade-offs de custo do modelo EOQ.


Tempo entre pedidos = EOQ / D. Como demanda varivel, alguns pedidos resultaro maiores que o EOQ.
F. Fogliatto Ps-Grad. em EP III - 84

Operacionalizao do Sistema P

Nvel alvo para o estoque, T


Nvel do estoque aps chegada de pedidos deve garantir a operao do sistema at a chegada do novo pedido. Intervalo de proteo = P + L.
F. Fogliatto Ps-Grad. em EP III - 85

Diferena importante entre sistemas Q e P

Cobertura contra ruptura abrange perodos distintos


Sistema Q proteo contra ruptura necessria durante lead time, pois pedidos so colocados no momento em que so necessrios. Sistema P intervalo de proteo abrange P + L, pois estoque no verificado at o prximo intervalo de reviso.

F. Fogliatto

Ps-Grad. em EP

III - 86

Nvel alvo para o estoque, T

P+L

= demanda durante intervalo de proteo.

T = P + L + ES
Desvio-padro durante intervalo de proteo :
P+ L = X P + L

F. Fogliatto

Ps-Grad. em EP

III - 87

Nvel alvo para o estoque, T


Seja z o no de desvios-padro necessrios p/ implementar o nvel de servio desejado.

ES = z P + L
Como sistemas P necessitam ES p/ cobrir incertezas na demanda sobre um perodo maior de tempo, o ES tende a ser maior.
F. Fogliatto Ps-Grad. em EP III - 88

Exemplo 6: Sistema P para problema dos secadores de cabelo


Demanda semanal segue uma distr. Normal c/ mdia 18 unidades e X = 5 unidades. Sistema opera 52 semanas por ano; lead time de 2 semanas. Demanda total anual :

unid sem unid D = 18 52 = 936 sem ano ano


F. Fogliatto Ps-Grad. em EP III - 89

QEOQ* = 75 unidds (ver exemplo 2)


P=
* QEOQ

52 =

75 52 = 4,2 4 sem 936

Desvio-padro da demanda durante intervalo de proteo (P + L = 6) :


P + L = X P + L = 5 6 = 12 unids

F. Fogliatto

Ps-Grad. em EP

III - 90

Nvel de servio, SL1 = 90%


Valor correspondente de z 1,28. Resolvendo p/ T:
T = demanda mdia durante intervalo de proteo + estoque de segurana

T = X P + L + z P + L = (18 unid sem 6 sem) + (1,28 12) =123 unids


F. Fogliatto Ps-Grad. em EP III - 91

Comparativo Sistema Q Sistema P


Sistema Q
colocar pedido sempre que nvel de estoque atingir 45 unidades. Quantidade comprada de 75 unidades. Estoque de segurana de 9 unidades.

Sistema P
um pedido a cada 4 semanas; quantidade comprada deve elevar estoque a 123 unidades. Estoque de segurana de 15 unidades.

F. Fogliatto

Ps-Grad. em EP

III - 92

Prtica IIIe: Considere as informaes do CD regional apresentadas no exerccio 4


Suponha que um sistema de reviso peridica P utilizado no gerenciamento dos itens estocados no CD. 1. Calcule o valor de P (em dias) que resulta em aproximadamente o mesmo nmero de pedidos/ano dado pelo modelo EOQ. 2. Qual o valor alvo aconselhado para o estoque, T? 3. Est na hora da reviso do item. O estoque disponvel de 40 furadeiras; existe um pedido em trnsito de 440 furadeiras e o total de backorders zero. Qual a quantidade a ser pedida?
F. Fogliatto Ps-Grad. em EP III - 93

Variao no Lead Time de Reabastecimento


Cenrio: Demanda global (D) e durao do lead time (L) so aleatrios Mtodo pressupe que L e D so variveis aleatrias independentes no perodo de anlise (o que usualmente verdadeiro) Definies: X uma varivel aleatria que representa a demanda durante o lead time; E(X) o valor esperado de X. Por exemplo, se X seguir uma distribuio normal, E(X) corresponde mdia da distribuio.
F. Fogliatto Ps-Grad. em EP III - 94

Formulrio

E ( X ) = E ( L) E ( D )
2 X = E ( L) V ( D ) + E ( D ) ( ) V ( L)

O ponto de reposio, supondo reviso contnua, ser dado por:

R = E ( X ) + z X
onde z vem da distr. Normal e depende do nvel de servio selecionado Ps-Grad. em EP F. Fogliatto
III - 95

Exemplo
A demanda global conhecida em base semanal, com E(D) = 100 unidades e V(D) = 300 unid2. Seja E(L) = 4 e SL1 = 95 %.
1) considerando lead time determinstico [V(L) = 0], temos: E(X) = 4100 = 400, X = 34,64 e z = 1,64 (SL1 = 95%) Ento: R = 400 + 1,64 34,64 = 456,81 ou 457 unidades 2) considerando lead time estocstico e V(L) = 1,44, temos: X = 124,9; logo R = 605 unidades Exemplo ilustra efeito da variao do lead time sobre nvel do estoque
F. Fogliatto Ps-Grad. em EP III - 96

Exerccio
A demanda semanal de um produto normalmente distribuda, com parmetros E(D)= 23 e V(D)= 2500. Suponha um lead time normalmente distribudo com E(L)=3 semanas e V(L)= 0,16 semanas2. a) Qual o estoque de segurana necessrio para atingir um nvel de servio de 95%? b) Qual seria o estoque de segurana necessrio para atingir o mesmo nvel de servio, caso no houvesse incerteza no lead time de fornecimento?
F. Fogliatto Ps-Grad. em EP III - 97

Para saber mais sobre estoque


Referncias utilizadas nesta apostila:
Krajewski, L.J. & Ritzman, L.P. (1999). Operations Management, Strategy and Analysis, 5a Ed., Addison-Wesley. Elsayed, E.A. & Boucher, T.O. (1994). Analysis and Control of Production Systems, 2a Ed., Prentice-Hall.

F. Fogliatto

Ps-Grad. em EP

III - 98

Outras referncias recomendadas


Johnson, L.A. & Montgomery, D.C. (1974). Operations Research in Production Planning, Scheduling, and Inventory Control, John Wiley. Vollmann, T.E., Berry, W.L. & Whybark, D.C. (1997). Manufacturing Planning and Control Systems, 4a Ed., Irwin - McGraw Hill.

F. Fogliatto

Ps-Grad. em EP

III - 99

Mdulo IV Capacidade & Sequenciamento

Prof. Fogliatto

Ps-Grad. em EP

IV - 1

Capacidade - Definio

Capacidade produo mxima do processo durante determinado perodo de tempo

Capacidade pode ser corrigida p/ pontos de pico de demanda (gerando estoques), exceto no setor de servios.

Prof. Fogliatto

Ps-Grad. em EP

IV - 2

Medidas de Capacidade

Capacidade de projeto cap. alvo Capacidade efetiva cap. de projeto (devido a manuteno, pouco treino da fora-de-trabalho, etc.) Utilizao % da capacidade efetiva realmente utilizada Rendimento material aproveitvel que emerge do processo

Prof. Fogliatto

Ps-Grad. em EP

IV - 3

Exemplo
Uma ferramenta de corte a laser utilizada p/ produzir waffers de silcio usados em chips de memria de computador. Produo nominal = 30 chips/h (rendim. 82%). Utilizao = 90%. A planta trabalha 40h/sem. Um milho de chips so demandados p/ o prximo ano. Quantas mquinas so necessrias?
Prof. Fogliatto Ps-Grad. em EP IV - 4

Exemplo - Soluo
Produo Nominal: 30 40h/sem 52sem/ano = 62400 chips/ano

Assim: 1,000,000 / (62400 0,82 0,90) = 22 mquinas

Prof. Fogliatto

Ps-Grad. em EP

IV - 5

Gargalos em processos seqenciados

Num processo seqenciado, a eficincia determinada pela operao gargalo.

Matrias Primas

Mq. 1 Mq. 2 Mq. 3 Mq. 4 4 min 3 min 10 min 2 min

Tempos de ciclo tpicos por mq. p/ produzir 1 raquete de tnis


Prof. Fogliatto Ps-Grad. em EP IV - 6

Medida de eficincia nivela mquinas pelo gargalo

Eficincia:
Ef = output 4 + 3 + 10 + 2 19 = = 47.5% = 4(10) 40 input

Eficincia muito baixa. Vamos simular diversos cenrios e verificar o efeito sobre a eficincia. Cenrio 1:
Mq.3 Mq.1 Mq.2 Mq.3
Ef =
Prof. Fogliatto

Mq.4

output 4 + 3 + 5 + 5 + 2 19 = = 76% = 5(5) 25 input


Ps-Grad. em EP IV - 7

Simulando outros cenrios


Num. de Nm. da mquinas prxima mq. 4 5 3 6 3 7 1 8 3 9 2 10 3 11 4 12 1 13 3 14 3 Tempos de #1 #2 4 3 4 3 4 3 2 3 2 3 2 1,5 2 1,5 2 1,5 1,33 1,5 1,33 1,5 1,33 1,5 mq. (min ) Tempo total Prod/h Eficincia #3 #4 de ciclo (%) 10 2 10 6 47,5 5 2 5 12 76,0 3,33 2 4 15 79,2 3,33 2 3,33 18 81,4 2,5 2 3 20 79,2 2,5 2 2,5 24 84,4 2 2 2 30 95,0 2 1 2 30 86,0 2 1 2 30 79,2 1,67 1 1,67 36 87,5 1,43 1 1,5 40 90,5
Eficincia vs Produo
100,0 80,0 60,0 40,0 20,0 0,0 1 2 3 4 5 6 7 8 9 10 11 1 2 3 4 5 6 7 8 9 10 11 Nm. mq. Nmero de mquinas Eficincia Produo/hora

Maior ganho em eficincia ocorre ao inserir a 5a mquina.

Nm. mq. vs eficincia


100,0 90,0 Eficincia 80,0 70,0 60,0 50,0 40,0

Prof. Fogliatto

Ps-Grad. em EP

IV - 8

Prtica IVa - Montagem de CD players

Cada operador realiza uma tarefa:


Joo
PEAS

Paulo 6 min

Slvia 10 min

8 min

Calcule a eficincia e a produo/hora. Suponha operadores multifuncionais (que realizam todas as tarefas). melhor montar os CD players individualmente ou em grupo?
Prof. Fogliatto Ps-Grad. em EP IV - 9

Capacidade & Sequenciamento

Estudos de capacidade visam aquisio de recursos produtivos. Estudos de sequenciamento visam estabelecer o timing de utilizao dos recursos. A relao entre capacidade e sequenciamento pode ser ilustrada atravs de um exemplo. Considere dois servios que requerem as mesmas tarefas, com grau e ordem de utilizao diferentes.
Prof. Fogliatto Ps-Grad. em EP IV - 10

Exemplo
Job Operao necessria A C 1 A B C B A 2 C A B Tempo necessrio (h) 10 10 30 20 5 15 10 10 10 10

Trabalhos devem ser entregues em duas semanas Dispomos de 40 h de capacidade em cada operao por semana Operao A requer 60h; B requer 45h e C requer 25h

Analisando o sequenciamento de utilizao das operaes em um grfico de Gantt


Prof. Fogliatto Ps-Grad. em EP IV - 11

1 2

1 2 1 2 1 2 2 1

Arranjo invivel. P/ observar sequncia, mesmo recurso utilizado por mais de um job

Operao

Tempo, horas Arranjo invivel

Arranjo vivel. Sequncia observada e utilizao racional de recursos.

Operao

Tempo, horas Arranjo vivel Prof. Fogliatto Ps-Grad. em EP IV - 12

Gesto de Gargalos / Sequenciamento


TOC - Theory of Constraints
Motivao - sincronizar e coordenar o fluxo de materiais na manufatura visando maximizar o desempenho total do sistema. Idias Centrais - 9 revise a capacidade dos processos continuamente 9 concentre esforos nas operaes mais lentas e sobrecarregadas Vantagens 9 sequenciamento preciso da produo 9 promove melhoria contnua dos processos
Ps-Grad. em EP IV - 13

Prof. Fogliatto

TOC - Operacionalizao
1. Identifique os gargalos do sistema; 2. Avalie maneiras de tornar gargalos o mais eficiente possvel; 3. Alinhe todos os componentes do sistema p/ dar apoio ao gargalo (mesmo que com isso a eficincia das operaes no-gargalo seja prejudicada); 4. Invista no gargalo at que ele deixe de s-lo; 5. Ao romper o gargalo, volte ao passo 1 (ou seja, promova a melhoria contnua).
Prof. Fogliatto Ps-Grad. em EP IV - 14

Classificao dos recursos do sistema


Gargalo - recurso c/ capacidade menor que demanda. No-Gargalo - recurso c/ capacidade maior que demanda.

Recurso Restrito-na-Capacidade - utilizaco prxima da capacidade; torna-se gargalo se mal gerenciado.

Prof. Fogliatto

Ps-Grad. em EP

IV - 15

A prtica do TOC no cho-de-fbrica

Tambor-Pulmo-Corda
Tambor = gargalo = ponto de controle da produo. Gargalo deve produzir continuamente; sendo assim: Mantenha estoque pulmo na frente do gargalo (lembre: produo no gargalo = produo do sistema). Comunique o status do gargalo p/ operaes anteriores, de modo a evitar formao excessiva de estoque. Comunicao a corda. pulmo A B corda
Prof. Fogliatto

D gargalo
Ps-Grad. em EP

Mercado

IV - 16

Lote Operao Tempo necessria necessrio (h) C 5 A 10 1 B 20 C 30 B 10 C 10 A 15 2 B 5 A 20 C 5 A 5 B 20 3 A 5 B 10 C 35


Prof. Fogliatto

Prtica IVb Sequenciamento


Sua empresa dispe de

40 h de capacidade em cada operao por semana. Deseja-se saber qual a data mais cedo para entrega de cada um dos lotes ao lado.
Dicas
IV - 17

Ps-Grad. em EP

Dicas p/ sequenciamento
Identifique

a operao gargalo e minimize seu tempo ocioso trabalhos de curta durao na operao gargalo o mais cedo possvel trabalhos de curta durao o mais tarde possvel nas operaes no-gargalo
Ps-Grad. em EP IV - 18

Aloque

Aloque

Prof. Fogliatto

Algoritmos de Sequenciamento Definio do problema


Dadas

n tarefas, cada uma possui:

tempo de setup, tempo de processamento, data de entrega pr-fixada, e/ou outros atributos.
P/

serem completadas, cada tarefa precisa passar por uma mquina ou seqncia delas A seqncia deve otimizar certos critrios de desempenho
Prof. Fogliatto Ps-Grad. em EP IV - 19

Critrios tpicos de desempenho


Atender

as datas de entrega dos

clientes Minimizar o tempo de Fluxo (makespan) Minimizar o estoque em processo (WIP) Minimizar o tempo ocioso dos recursos
Prof. Fogliatto Ps-Grad. em EP IV - 20

Fatores que descrevem e classificam um problema de sequenciamento


Nmero de tarefas a serem programadas Nmero de mquinas envolvidas Tipo de instalao de manufatura:
Contnuo, por processo, celular

Perfil de chegada das tarefas:


Esttico, dinmico

Critrio de avaliao utilizado p/ as alternativas de programao


Ps-Grad. em EP IV - 21

Prof. Fogliatto

Tipos de RELACIONAMENTO entre TAREFAS e MQUINAS:


n n

tarefas 1 mquina: tarefas 2 mquinas: tarefas 3 mquinas:


Ps-Grad. em EP IV - 22

MFT

Johnson
n

Johnson
Prof. Fogliatto

Programando n tarefas em 1 mquina


(Mean Flow Time-MFT)

MFT =
onde:

n i =1

Ci n

Ci = Tempo para completar a tarefa i (Ci = Wi + ti): Wi = Tempo de espera ti = Tempo de processo n = nmero de tarefas a serem processadas.
Prof. Fogliatto Ps-Grad. em EP IV - 23

Exemplo
Dados

os tempos de processo de quatro tarefas a serem processadas em uma mquina.


J1 7 J2 6 J3 8 J4 5

Tarefa i Tempo de processo (ti )

Prof. Fogliatto

Ps-Grad. em EP

IV - 24

Exemplo
MFTA = 67 = 16,75 4
Seqncia B Wi ti 0 6 6 8 14 7 21 5 41 26

Tarefa (i ) 2 3 1 4 soma
Prof. Fogliatto

Ci 6 14 21 26 67
Ps-Grad. em EP

MFTB = 67 = 16,75 4
IV - 25

Exemplo

MFTC = 60 = 15 4

Para uma nica mquina e n tarefas, como neste caso, a regra SPT (Shortest Processing Time, ou seja, ordenar as tarefas em ordem crescente de ti) garante o mnimo tempo mdio de atravessamento
Prof. Fogliatto Ps-Grad. em EP IV - 26

Prtica IVc
a) As presentes atividades so processadas em uma furadeira. Determine uma seqncia que minimize o tempo mdio de escoamento.
Tarefa ti 1 10 2 5 3 8 4 7 5 5 6 4 7 8

b) Prove que a regra SPT minimiza a mdia do tempo de escoamento c) Use a regra LPT (longest processing time) e compare a mdia do tempo de escoamento para (a) e (c).
Prof. Fogliatto Ps-Grad. em EP IV - 27

Pesos de Importncia
Em

algumas situaes, so alocados pesos as tarefas (prioridades). Ento, para considerar prioridades minimizando o makespan simultaneamente, dividem-se os tempos de cada tarefa pelo seu peso. Assim, os tempos diminuem na proporo inversa ao aumento do peso (quanto > o peso gi, menor o tempo ti, sendo a tarefa alocada por primeiro).
Prof. Fogliatto Ps-Grad. em EP IV - 28

Prtica IVc (Cont.)


Assuma

que prioridades so alocadas as tarefas dadas na atividade 1. Os valores das prioridades so:
1 8 2 3 3 5 4 7 5 6 6 1 7 2

Tarefas Prioridades

Encontre

a seqncia que minimiza o Mean Flow Time.


Ps-Grad. em EP IV - 29

Prof. Fogliatto

Programando n tarefas em 2 mquinas


(Mtodo ou Regra de Johnson)

1 - Listar o tempo de operao para cada tarefa em ambas as mquinas (M1 e M2) 2 - Selecionar a tarefa com menor tempo de durao

Prof. Fogliatto

Ps-Grad. em EP

IV - 30

Programando n tarefas em 2 mquinas


(Mtodo ou Regra de Johnson).

3. Se o menor tempo o da M1, fazer esta tarefa primeiro. Caso contrrio (se pertencer a M2), alocar esta tarefa por ltimo 4. Repetir as etapas 2 e 3 para cada tarefa restante at todas as tarefas estarem alocadas

Prof. Fogliatto

Ps-Grad. em EP

IV - 31

Exemplo: (Mtodo ou Regra de Johnson).


1 - Listar os tempos de operao
Tarefa A B C D Tempo de operao Tempo de operao M1 M2 3 2 6 8 5 6 7 4

2 e 3 - A tarefa de menor tempo a A na M2 (ento aloque por ltimo). A tarefa D a 2a de menor tempo na M2 (aloque esta por penltimo pois a tarefa A j est alocada).
Prof. Fogliatto Ps-Grad. em EP IV - 32

Exemplo: (Mtodo ou Regra de Johnson).


Tarefa A B C D Tempo de operao Tempo de operao M1 M2 3 2 6 8 5 6 7 4

4 - Repetir 2 e 3 at todas serem alocadas A seqncia fica: C B D A. Esta a seqncia de entrada das tarefas em M1
Prof. Fogliatto Ps-Grad. em EP IV - 33

Prtica IVd
Os tempos de uma furadeira e uma mquina rebitadora para seis tarefas so dados a seguir. Para toda a tarefa, um furo feito primeiro, seguido da colocao de um rebite Encontre a seqncia que minimiza o makespan para estas tarefas

Tarefa Furadeira Rebitadeira

1 4 11

2 7 7

3 3 10

4 12 8

5 11 10

6 9 13

Prof. Fogliatto

Ps-Grad. em EP

IV - 34

Programando n tarefas em 3 mquinas


(Algoritmo de Johnson)
So

consideradas 3 mquinas com ordem de seqncia tcnica das tarefas obrigatria, comeando em M1, depois em M2 e por ltimo em M3. Isto , as tarefas tem que serem processadas na mesma ordem nas trs mquinas. As condies para este algoritmo ser aplicado a este tipo de problema so:
min ti1 max ti 2
Prof. Fogliatto

ou

min ti 3 max ti 2
IV - 35

Ps-Grad. em EP

Programando n tarefas em 3 mquinas


(Algoritmo de Johnson)

Para resolver o problema, as trs mquinas sero vistas como duas mquinas artificiais (M1 e M2). Os novos tempos das tarefas nestas mquinas (artificiais) sero: em M1 ti1 + ti 2 e em M2 ti 2 + ti 3 . Feito isto, aplica-se normalmente o mtodo de Johnson para n 2 (para M1 e M2)
Prof. Fogliatto Ps-Grad. em EP IV - 36

Exemplo: (Algoritmo de Johnson para n 3)


Encontre a seqncia tima para as seis tarefas listadas a seguir, a serem processadas em M1, M2 e M3
Tarefa 1 2 3 4 5 6 Tempos das Tarefas M1 M2 M3 5 3 9 7 2 5 4 3 7 8 4 3 6 2 2 7 0 8

Prof. Fogliatto

Ps-Grad. em EP

IV - 37

Exemplo:
min ti1 = min {t 11, t 21, t 31, t 41, t 51, t 61} = 4
max ti 2 = max {t12, t 22, t 32, t 42, t 52, t 62} = 4

A condio para ser aplicado este algoritmo foi satisfeita. Ento cria-se mquinas artificiais, obtendo-se tambm os novos tempos para estas:
Tarefa 1 2 3 4 5 6 M'1 8 9 7 12 8 7 M'2 12 7 10 7 4 8

As seqncias possveis so: 3-6-1-2-4-5 , 6-3-1-2-4-5 3-6-1-4-2-5 , 6-3-1-4-2-5


Ps-Grad. em EP IV - 38

Prof. Fogliatto

Prtica IVe
Os

seguintes tempos de processo so resultantes de 6 tarefas e 3 mquinas. Encontre a programao que resulte no mnimo makespan

Prof. Fogliatto

Ps-Grad. em EP

IV - 39

Mdulo V Material Requirements Planning

Prof. Fogliatto

Ps-Grad. em EP

V- 1

MRP - Material Requirements Planning


Em ambientes do tipo flow shop, planos de produo razoveis podem ser obtidos atravs de programao linear Em ambientes do tipo job shop, onde o layout de processo e no de produto, o fluxo dos produtos mais complexo:
partes circulam entre sees e compartilham recursos comuns e escassos lead times so muito longos
Prof. Fogliatto Ps-Grad. em EP V- 2

Como garantir alta utilizao dos recursos em ambientes do tipo job shop?
Prtica mais comum:
construir estoque de work-in-process entre departamentos e operaes

Alternativa:
MRP - Material Requirements Planning

Idia Central:
distinguir demanda independente de demanda dependente

Prof. Fogliatto

Ps-Grad. em EP

V- 3

Demanda Dependente e Independente


Demanda Independente demanda por produtos acabados:
originada por fontes externas ao sistema produtivo bem descrita atravs de modelos estatsticos de forecasting

Demanda Dependente demanda por componentes, matrias-primas e partes incompletas:


derivada dos nveis planejados dos produtos acabados calculada a partir da demanda independente no contnua; ocorre em bolses de demanda
Prof. Fogliatto Ps-Grad. em EP V- 4

Estratgia do MRP
Dada uma demanda por produtos acabados, o MRP calcula o timing de produo de componentes, matrias-primas e submontagens necessrios ao longo do horizonte de produo especificado Objetivo = minimizar estoques de work-in-process Mtodos do MRP no so novos: eles tornaram-se viveis atravs da reduo do custo computacional

Prof. Fogliatto

Ps-Grad. em EP

V- 5

Lgica do MRP
Schedule das necessidades de produtos acabados Componentes so comprados ou produzidos

Submontagens e montagens finais so feitas usando os componentes Exploso dos componentes = determinao da necessidade de compra/produo de componentes e submontagens
Prof. Fogliatto Ps-Grad. em EP V- 6

Descrio Formal do Problema


Itens a serem produzidos so classificados em trs categorias Itens finais Submontagens Componentes ou partes

A lista de materiais (bill of materials) do item i representada por um vetor de linha:


B i = (bi1 , bi 2 ,K, bij )

bij = # de unidds do item j necessrias p/ produzir uma unidd de i


Prof. Fogliatto Ps-Grad. em EP V- 7

Matriz B de listas de materiais


B1 2 B B= M n B

Matriz BOM (bill-of-materials)

Prof. Fogliatto

Ps-Grad. em EP

V- 8

Exemplo: 1, 2 produtos acabados A, B, C, D submontagens , , componentes


1
(2)

2
(3)

A
(2)

C
(3)

B
(2)

(2)

D C
(3) (2)

B C

C
(3)

(2)

B C
(3)

(3)

Ps-Grad. em EP

V- 9

Prof. Fogliatto

Exemplo: Matriz B
Produto Acabado 1 2 1 2 A D B C A 2 D 1 Sub montagens B 1 1 2 C 1

Partes

1 2

1 1 3

linhas arquivos how-constructed colunas arquivos how-used Observe a construo triangular superior da matriz
Prof. Fogliatto Ps-Grad. em EP V- 10

Construo triangular superior reflete hierarquia de nveis na matriz B


1
(2)

2
(3)

nvel 0

A
(2)

C
(3)

B
(2)

(2)

D B C
(2) (3)

nvel 1 nvel 2

B C

C
(3)

(2)

C
(3)

nvel 3

(3)

Ps-Grad. em EP

nvel 4

Prof. Fogliatto

V- 11

Alocao de itens a nveis


O nvel hierrquico de um item denota a distncia mxima entre o item e o produto acabado na construo do qual ele utilizado Se o mesmo item for utilizado em mais de um produto acabado, utilize a maior distncia Produtos acabados so alocados ao nvel 0, por definio

Prof. Fogliatto

Ps-Grad. em EP

V- 12

Nveis no exemplo anterior

0 1 2
Prof. Fogliatto Ps-Grad. em EP

1 A D

Nvel 2 B

3 C

V- 13

Prtica Va

(2) (4)

A
(2) (4)

1 B C
(4)

4 6

5
Classifique o produto, submontagens e componentes em seus respectivos nveis hierrquicos Monte a matriz BOM
Ps-Grad. em EP V- 14

Prof. Fogliatto

Clculo da Demanda Dependente Direta


Sejam:
dn = vetor de demanda no nvel n dd(n) = vetor de demanda dependente resultante diretamente da demanda no nvel n

Assim:
dd ( n ) = d n B

Prof. Fogliatto

Ps-Grad. em EP

V- 15

Clculo da dd no exemplo anterior


Suponha as seguintes demandas de produto final: Prod. 1 = 100 unidds Assim:
dd ( 0 ) = d 0 B

Prod. 2 = 200 unidds

Prof. Fogliatto

Ps-Grad. em EP

V- 16

Clculo da dd no exemplo anterior


0 0 0 0 = (100 200 0 0 0 0 0 0 0)0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 1 2 0 0 0 0 0 1 0 0 1 2 0 0 0 0 0 3 0 0 1 0 0 0 0 0 0 2 0 0 1 0 0 0 0 0 0 0 0 3 0 0 0

= (0 0 200 200 200 100 600 0 0)


Prof. Fogliatto Ps-Grad. em EP V- 17

No de submontagens e componentes p/ produzir 100 (1) e 200 (2)


Item A D B C Demanda 200 200 200 100 600

Note que demandas geradas em nvel mais baixos no esto sendo consideradas:
- Por ex., o item no apresenta demanda, todavia, sabemos que cada submontagem A demanda 2

O mtodo a seguir considera demandas de nveis mais baixos


Prof. Fogliatto Ps-Grad. em EP V- 18

Prtica Vb
Suponha 100 unidades demandadas do produto Determine a demanda dependente de submontagens e componentes resultante diretamente da demanda no nvel 0

Prof. Fogliatto

Ps-Grad. em EP

V- 19

Clculo das Necessidades Totais


Componentes e submontagens entram na montagem do produto final direta ou indiretamente P/ computar a necessidade total de um componente no nsimo nvel, somam-se todas suas relaes c/ submontagens e produtos finais Para tanto, ser necessrio identificar estruturas especiais dentro da matriz B

Prof. Fogliatto

Ps-Grad. em EP

V- 20

B = matriz triangular (n n)
Por definio, a diagonal principal de B composta por zeros. Assim, B2 = B B apresentar um diagonal de zeros acima da diagonal principal. No geral, Bk ter k diagonais de zeros acima da diagonal principal. Seja:
2 bij = elemento (i, j) da matriz B2.

Prof. Fogliatto

Ps-Grad. em EP

V- 21

B2 informa a necessidade de 2a ordem dos itens listados em B


Cada elemento de B2 dado por:
b = bik bkj = bi1b1 j + bi 2 b2 j +K+ bi ,i 1bi 1, j
2 ij k =1 i 1

Por ex., considere o elemento (1,8) do exemplo:


b12,8 = b1k bk 8 = 0 + 0 + 2( 2) + 0 + 0 + 1(1) + 0 + 0 = 5
k

b12,8 a necessidade de 2a ordem do componente no produto 1. Cada A requer 2 s e cada C requer 1 . Assim, a necessidade de segunda ordem de 5.
Prof. Fogliatto Ps-Grad. em EP V- 22

Demais necessidades de 2a ordem no exemplo so:


Produto Acabado 1 2 1 2 A D B C A D Sub montagens B 2 2 C 3 2 4

1 1 2

Partes

1 2

3 6

Por ex., a submontagem A apresenta uma necessidade de 2a ordem de 2 unidds de C e uma unidd de

Prof. Fogliatto

Ps-Grad. em EP

V- 23

Prtica Vc
Calcule as necessidades de segunda ordem para o produto e para a submontagem B do exerccio anterior.

Prof. Fogliatto

Ps-Grad. em EP

V- 24

Matriz de necessidade total = Soma de todas as matrizes de isima ordem, i = 1,,n.


Seja R = matriz de necessidades totais.
R1 2 R R= M n R

onde Ri o vetor de linha de necessidade total p/ o item i. Ri = (ri1, ri2,, rij) rij = # total de unidds de item j necessrios p/ produzir uma unidd de item i, incluindo unidds de j entrando diretamente e indiretamente na produo de i. rii = 1, por definio.
Ps-Grad. em EP V- 25

Prof. Fogliatto

Dois resultados se seguem:


n bik rkj , se i j rij = k =1 se i = j 1,

o que implica em:


R = BR + I

matriz identidade

R = ( I B )1

Prof. Fogliatto

Ps-Grad. em EP

V- 26

O vetor de necessidades totais de produo, x, dado por:


x = dR = d(I B )
1

d = vetor de demanda prevista p/ produtos acabados, submontagens e componentes (no caso de submontagens e componentes serem vendidos como produtos acabados)

Prof. Fogliatto

Ps-Grad. em EP

V- 27

De volta ao exemplo:
0 0 0 0 0 0 0 0 0 0 2 0 0 1 0 0 0 0 0 1 1 0 3 0 0 0 0 0 1 0 0 2 0 0 0 0 2 1 0 0 0 0 0 0 0 2 1 0 0 0 0 0 0 0 0 1 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 2 0 2 5 2 9 15 1 0 1 3 7 6 7 21 0 1 0 1 2 1 4 6 0 0 1 2 5 2 5 15 0 0 0 1 2 1 2 6 0 0 0 0 1 0 1 3 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1

B=

R = (I - B)-1 =

Suponha um vetor de demanda dado por: d = ( 20, 30, 0, 10, 0, 5, 0, 0, 0 ) O vetor de necessidades totais ser: x = ( 20, 30, 40, 40, 150, 365, 240, 445, 1095)
Prof. Fogliatto Ps-Grad. em EP V- 28

Prtica Vd:

(2) (4)

A
(2) (4)

1 B C
(4)

4 6

5 A demanda do produto final de 30 unidades e da submontagem B de 56 unidades. Qual a necessidade total das submontagens A, B e C e dos componentes 1, 2, 3, 4, 5 e 6?
Prof. Fogliatto Ps-Grad. em EP V- 29

Exemplo de operacionalizao do MRP


Informaes necessrias p/ rodar o MRP:
lista de materiais (BOM) status atual dos estoques roteamento dos produtos e lead times de produo de cada parte manufaturada demanda por produtos acabados e submontagens no horizonte de planejamento

Decises a serem feitas:


horizonte de planejamento intervalos de tempo no horizonte (semanas, meses, etc.)
Prof. Fogliatto Ps-Grad. em EP V- 30

Quanto as decises
Horizonte de planejamento:
no deve exceder a capacidade de forecasting deve preferencialmente contemplar perodos com pedidos confirmados ou firmes

Intervalos de tempo (time buckets) determinam o nvel de controle desejado, podendo ser:
semanais quinzenais mensais
Prof. Fogliatto Ps-Grad. em EP V- 31

Inputs do MRP (Exemplo)


1
(2)

A
(2)

(2)

(3)


(3)

B
(2) (3)

Nvel Item Estoque Lead time disponvel de pedido em t = 0 (semanas) 0 1 120 1 0 2 85 1 1 A 0 2 1 D 10 2 2 B 500 1 3 C 160 1 3 0 2 4 1200 1 4 4000 2

Demanda independente por perodo

(3)

(2)

D B C
(2) (3)

C (3)

Item 1 2 A D B C

1 50 20

2 20 30 10 5

3 30 20

4 40 35 10

Perodo 5 6 40 30 10 35

7 25 20

8 15 25 15

9 30 30

20

100

Prof. Fogliatto

Ps-Grad. em EP

V- 32

Relatrio Tpico do MRP (Exemplo)


1 Item 1, Nvel 0
Necessidade bruta Entrega Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

2 20 70

3 30 50 120

4 40 120 20

Perodo 5 40 100

6 30 60

7 25 30 120

8 15 5 10

9 30 0 30

50 120

Item 2, Nvel 0
Necessidade bruta Entrega Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

20 85

30 65

25 35 100

35 100 10

10 75

35 65

20 30 100

25 10 15

30 0 30

Relatrio parcial, ilustrando somente o nvel 0 do MRP


Prof. Fogliatto Ps-Grad. em EP V- 33

Componentes do nvel 0 do relatrio


1 Item 1, Nvel 0
Necessidade bruta Entrega Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

2 20 70

3 30 50 120

4 40 120 20

Perodo 5 40 100

6 30 60

7 25 30 120

8 15 5 10

9 30 0 30

50 120

Necessidade Bruta = quantidade total do item a ser disponibilizada durante cada perodo. Corresponde ao forecast de demanda independente.

Prof. Fogliatto

Ps-Grad. em EP

V- 34

Componentes do nvel 0 do relatrio


1 Item 1, Nvel 0
Necessidade bruta Entrega Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

2 20 70

3 30 50 120

4 40 120 20

Perodo 5 40 100

6 30 60

7 25 30 120

8 15 5 10

9 30 0 30

50 120

Entrega Agendada:
- MRP periodicamente atualizado. - entregas correspondem a pedidos de submontagens e componentes (em nveis hierrquicos inferiores) colocados em atualizaes anteriores do MRP - uma entrega agendada de 1 unidd em um dado nvel inclui todos os comp. e submont. necessrias p/ completar 1 unidd do item naquele nvel
Prof. Fogliatto Ps-Grad. em EP V- 35

Componentes do nvel 0 do relatrio


1 Item 1, Nvel 0
Necessidade bruta Entrega Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

2 20 70

3 30 50 120

4 40 120 20

Perodo 5 40 100

6 30 60

7 25 30 120

8 15 5 10

9 30 0 30

50 120

Estoque esperado: corresponde ao nvel do estoque no incio do perodo; o clculo dado abaixo:
- Ijt = qtidd esperada do item j em estoque no incio do perodo t (exceto itens atrasados) - Sjt = entrega agendada do item j durante perodo t - Gjt = demanda bruta do item j durante o perodo t

I j t = max {0, I j , t 1 + S j , t 1 G j , t 1}
Ps-Grad. em EP

Prof. Fogliatto

V- 36

Exemplo: clculo de Ijt


1 Item 1, Nvel 0
Necessidade bruta Entrega Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

2 20 70

3 30 50 120

4 40 120 20

Perodo 5 40 100

6 30 60

7 25 30 120

8 15 5 10

9 30 0 30

50 120

Estoque esperado do item 1 no perodo 5:


I1,5 = I1, 4 + S1, 4 G1, 4 = 20 + 120 40 = 100

Prof. Fogliatto

Ps-Grad. em EP

V- 37

Componentes do nvel 0 do relatrio


1 Item 1, Nvel 0
Necessidade bruta Entrega Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

2 20 70

3 30 50 120

4 40 120 20 20

Perodo 5 40 100

6 30 60

7 25 30 120

8 15 120 5 10

9 30 110

50 120

Necessidade lquida:
- itens necessrios p/ atender demanda bruta no disponveis no estoque disponvel ou a partir das entregas agendadas - sinaliza uma situao potencial de atraso na entrega, o que requer a liberao planejada de um pedido p/ evitar atrasos - Njt = necessidade lquida do item j no perodo t.

N jt = max {0, G jt I jt }
Ps-Grad. em EP

Prof. Fogliatto

V- 38

Exemplo: clculo de Njt


1 Item 1, Nvel 0
Necessidade bruta Entrega Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

2 20 70

3 30 50 120

4 40 120 20

Perodo 5 40 100

6 30 60

7 25 30 120

8 15 120 5 10

9 30 0 30

50 120

Necessidade lquida do item 1 no perodo 8:

N 1,8 = G1,8 I 1,8 = 15 5 = 10


Prof. Fogliatto Ps-Grad. em EP V- 39

Componentes do nvel 0 do relatrio


1 Item 1, Nvel 0
Necessidade bruta Entrega Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

2 20 70

3 30 50 120

4 40 120 20

Perodo 5 40 100

6 30 60

7 25 30 120

8 15 120 5 10

9 30 0 30

50 120

Liberao planejada do pedido (LPP):


- em um dado perodo, sempre que a necessidade bruta for maior que estoque esperado, haver a liberao planejada de um pedido. - tamanho do pedido baseia-se em regras de formao de lote p/ o item em questo: - Regra mais frequentemente utilizada usa o clculo do lote econmico de compra/fabricao
Prof. Fogliatto Ps-Grad. em EP V- 40

Exemplo de LPP
1 Item 1, Nvel 0
Necessidade bruta Entrega Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

2 20 70

3 30 50 120

4 40 120 20

Perodo 5 40 100

6 30 60

7 25 30 120

8 15 120 5 10

9 30 0 30

50 120

Pedido liberado no perodo 7: necessidade bruta em t = 8: 15 estoque esperado em t = 8: 5 lead time de produo: 1 semana concluso: pedido liberado no perodo 7
Prof. Fogliatto Ps-Grad. em EP V- 41

Atividade produtiva em nveis hierrquicos inferiores baseia-se nas LPPs no nvel 0


P.ex., LPPs de 120 (1) e 100 (2) em t = 7 geram uma necessidd bruta (em t = 7) por submontagens e componentes usados diretamente na construo dos itens (1) e (2). Cfe visto anteriormente:
dd ( 0) = d 0 B
este resultado vai aparecer em t=7 no relatrio do MRP
Prof. Fogliatto
0 0 0 0 = (120 100 0 0 0 0 0 0 0)0 0 0 0 0 0 2 0 0 1 0 0 0 0 0 1 1 0 3 0 0 0 0 0 1 0 0 2 0 0 0 0 2 1 0 0 0 0 0 0 0 2 1 0 0 0 0 0 0 0 0 1 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

= (0 0 240 100 100 120 300 0 0)


V- 42

Ps-Grad. em EP

1 Item 1, Nvel 0
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

2 20 70

3 30 50 120

4 40 120 20

Perodo 5 40 100

6 30 60

7 25 30 120

8 15 5 10

9 30 0 30

50 120

Item 2, Nvel 0
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

20 85

30 65

25 35 100

35 100 10

10 75

35 65

20 30 100

25 10 15

30 0 30

Item A, Nvel 1
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

0 0 240 0 0 100

0 0

240 240 0

0 0

0 0 240

0 0 15 0 0

240 0 240

15 0

LPPs no nvel 1 so determinadas usando procedimento descrito p/ nvel 0 Lead time no nvel 1 de 2 semanas Necessidades lquidas no nvel 2 no podem ser calculadas at que as necessidades brutas associadas a LPPs no nvel 1 tenham sido calculadas

Item D, Nvel 1
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

10 10 0 10

100 100 0

10 10 0

0 0 100

100 0 100

0 0

0 0

Item B, Nvel 2
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

100

20

100

100

Item C, Nvel 3
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

120

120

Item , Nvel 3
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

300

300

Prof. Fogliatto

Ps-Grad. em EP

V- 43

Determinando necessidades brutas em nveis inferiores


P/ a semana 5, onde ocorrem LPPs para 240 (A) e 100 (B) :

dd (1) = d1 B dd (1) = ( 0 0 240 100 0 0 0 0 0) B x = ( 0 0 0 0 440 100 0 480 0)

Os resultados p/ o nvel 2 vm apresentados na tabela a seguir


Prof. Fogliatto Ps-Grad. em EP V- 44

Perodo Item 1, Nvel 0


Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

1 50 120

2 20 70

3 30 50 120

4 40 120 20

5 40 100

6 30 60

7 25 30 120

8 15 5 10

9 30 0 30

Item 2, Nvel 0
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

20 85

30 65

25 35 100

35 100 10

10 75

35 65

20 30 100

25 10 15

30 0 30

Item A, Nvel 1
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

0 0 240 0 0 100 440 560 0

0 0

240 240 0

0 0

0 0 240

0 0 15 0 0

240 0 240

15 0

Item D, Nvel 1
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

10 10 0 10 20 120

100 100 0

10 10 0

0 0 100

100 0 100

0 0

0 0

Item B, Nvel 2
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

100 100

0 0 575

460 0 460

15 0 15

100 0 100

0 0 100

100 0 100

Item C, Nvel 3
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

100

15

120

100

120

Item , Nvel 3

300

300

Item , Nvel 4
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

480

480

30

Prof. Fogliatto

Ps-Grad. em EP

V- 45

Prtica Ve
Utilizando as expresses apresentadas anteriomente, obtenha o relatrio completo de necessidades brutas e lquidas, apresentado no slide a seguir Planilha disponvel no site da disciplina na Web

Prof. Fogliatto

Ps-Grad. em EP

V- 46

Perodo Item 1, Nvel 0


Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

1 50 120

2 20 70

3 30 50 120

4 40 120 20

5 40 100

6 30 60

7 25 30 120

8 15 5 10

9 30 0 30

Item 2, Nvel 0
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

20 85

30 65

25 35 100

35 100 10

10 75

35 65

20 30 100

25 10 15

30 0 30

Item A, Nvel 1
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

0 0 240 0 0 100 440 560 0

0 0

240 240 0

0 0

0 0 240

0 0 15 0 0

240 0 240

15 0

Item D, Nvel 1
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

10 10 0 10 20 120

100 100 0

10 10 0

0 0 100

100 0 100

0 0

0 0

Item B, Nvel 2
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

100 100

0 0 575

460 0 460

15 0 15

100 0 100

0 0 100

100 0 100

Item C, Nvel 3
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

100 115 0

15 15 120

120 120 0 1250 300 300 0

1150 0 1150

100 0 100

0 0 320

120 0 120

200 0 200

0 0

Item , Nvel 3

0 0 300 480 3000

0 0 575 120 2520

575 0 575

0 0 300

0 0 100 350 670

300 0 300

100 0 100

0 0

Item , Nvel 4
Necessidade bruta Demanda Agendada Estoque Esperado Necessdade lquida Liberao planejada do pedido

1250 2400

0 1150

480 1150

0 320

0 320

0 320

Item , Nvel 4

Prof. Fogliatto Demanda Agendada


Estoque Esperado Necessdade lquida Liberao planejada do pedido

Necessidade bruta

0 4000 2000

360 4000

3750 3640 110

Ps-Grad. em EP
0 0

960 0 960

0 0

0 0

0 0

V- 47