GESTÃO DE DEMANDA E CAPACIDADE INSTALADA Profa. Carla Brandão Julho / 2014

GESTÃO DE DEMANDA E CAPACIDADE

INSTALADA

Profa. Carla BrandãoJulho / 2014

GESTÃO DE DEMANDA E CAPACIDADE INSTALADA

GESTÃO DA CAPACIDADE ?


INPUT

Processamento

OUTPUT


INPUT

Recursos Materiais

INFORMAÇÕES

PESSOAS


INPUT

INFORMAÇÕES

DEMANDA


O QUE É DEMANDA ?


O QUE É DEMANDA ?A procura de determinado produto é determinada pelas várias quantidades que os consumidores estão dispostos e aptos a adquirir, em função de vários níveis possíveis de preços , em dado período de tempo.




Refere-se a quantidade máxima de produtos e serviços que podem ser produzidos numa unidade produtiva, num dado intervalo de tempo.



Otimização dos recursos

Evitar Demanda insatisfeitaRENTABILIDADE

EFICIÊNCIASATISFAÇÃO DOS CLIENTES


Dimensionamento da capacidade instaladaCapacidade Instalada : É a capacidade máxima que uma unidade produtora pode fazer se trabalhar ininterruptamente, sem considerar nenhuma perda.

Capacidade disponível : É a quantidade máxima que uma unidade produtiva pode produzir durante a jornada de trabalho disponível, sem levar em conta qualquer tipo de perda .

Capacidade Efetiva : Representa a capacidade disponível subtraindo-se as perdas planejadas desta capacidade.


Índices de capacidade Abaixo seguem alguns índices ( os mais utilizados e importantes ) :

Índice de eficiência : Indica a eficiência do sistema produtivo na realização das operações programadas.Índice de eficiência= Capacidade realizada / Capacidade efetiva * 100

Índice de utilização : Demonstra a percentagem de uso da capacidade disponível.Índice de utilização = Capacidade efetiva / Capacidade disponível *100

Índice de disponibilidade = demonstra, percentualmente, quanto de um sistema produtivo encontra-se disponível.Índice de disponibilidade = capacidade disponível / capacidade instalada *100


Previsão de Demanda


Gestão de DemandaA função gestão da demanda inclui esforços em cinco processos principais: previsão da demanda, comunicação com o mercado, influência sobre a demanda, promessa de prazos de entrega, priorização e alocação.


Previsão de DemandaConceito 1 : Previsão de demanda é um processo metodológico para a determinação de dados futuros baseado em modelos estatísticos, matemáticos ou econométricos, ou ainda em modelos subjetivos apoiados em uma metodologia de trabalho clara e previamente definida. ( Martins & Laugeni, 2005)

Conceito 2: é uma estimativa da demanda futura. Pode ser determinada por modelos matemáticos, usando dados históricos, pode ser criada subjetivamente usando estimativas de fontes internas ou representar uma combinação de ambas as técnicas . (Cox & Blackstone,2004)

Conceito 3 : É um processo racional de busca de informações acerca do valor das vendas futuras devendo fornecer também, quando possível, informações sobre a qualidade a ser exigida no futuro.


Métodos de Previsão de Demanda1 Métodos qualitativos : São subjetivos . Normalmente são utilizados quando não há registros históricos do comportamento da demanda para subsidiar a previsão. Comumente é feito por profissionais com ampla experiência de mercado.

2 Métodos quantitativos : são modelos embasados no registro histórico da demanda como fonte para projeções da demanda futura.

3 Métodos combinados e ponderados utilizando os qualitativos e quantitativos.


Passos para implantação :

• Identificação e definição dos problemas a serem tratados • Aplicação dos métodos • Procedimentos para seleção do método apropriado a situações

específicas• Suporte organizacional para adaptar e usar os métodos de previsão


OFICINA DE ESTUDODIVIDAM-SE EM 4 GRUPOS


Definição do

Problema

1 - Quiosque de venda de água de coco

2 - Biblioteca3 - Fábrica de

camisas de time

4 - Escola de Skate


A definição do problema pode ser a etapa mais complexa . Diversos fatores devem ser analisados : como a previsão será usada , onde será usada e como se encaixa dentro da organização.O nível de detalhe requerido é uma consideração de extrema importância, sendo influenciado por diversos fatores, tais como disponibilidade de dados, precisão, custo da análise e preferências gerenciais.O custo da previsão está diretamente ligado a precisão requerida . Uma vez que o aumento da precisão diminui as perdas resultantes dos processos decisórios, a relação entre custo da previsão e as perdas causadas pela incerteza.


Qual o Problema ?? Definam o Problema quanto a Previsão


1 – Como e onde a previsão será utilizada ?

2 – Qual o nível de detalhe : Disponibilidade , acurácia, custo de análise e preferências gerenciais.

3- Horizontes Temporais : Período ( Meses ou semanas ), Horizonte ( Nro. De períodos futuros , Intervalo ( Frequência de novas previsões )


Pelo menos 2 tipos de informações devem estar disponíveis na elaboração de uma previsão de demanda :

Dados Estatísticos – Geralmente numéricos são utilizados na modelagem matemática .

Dados subjetivos - Permitem a validação prática das previsões geradas pelo sistema.


Definam para o Grupo imediatamente superior as informações :

• Há quanto tempo temos dados para análise ?• Dados subjetivos • Periodicidade da previsão


Os dados estatísticos a serem utilizados na previsão de demanda são usualmente armazenados em um banco de dados . O banco de dados deve conter, além da série temporal ( representada por produtos e sua demanda a cada período) , informações que possibilitem a estratificação dos dados . A atualização do banco de dados deve ser feita a cada período, incorporando-se assim informações mais recentes aos modelos de previsão.


Em certos sistemas de previsão podemos encontrar situações de organizações com ´muitos produtos , ou ao analisar um estoque com centenas de tipos diferentes , para otimizarmos os recursos normalmente a análise não é feita de todos os produtos individualmente , muitos deles podem ser agregados através de critérios predeterminados. Como por ex. a classificação ABC .Classe A : 20 % Produtos responsáveis por 80% do faturamento Classe B : 30 % Produtos responsáveis por 15% do faturamentoClasse C : 50 % Produtos responsáveis por 5% do faturamento

Outro método de agregação é classificação por família . Neste método produtos com as mesmas características são agrupados em uma única série temporal.


Definam dentro dos seus grupos se haverá algum tipo de estratificação dos produtos a serem analisados e qual será o enfoque da análise.


Dada a complexidade de operacionalização de alguns dos modelos de previsão, faz-se necessário o uso de pacotes computacionais no cálculo de previsão de demanda. O que analisar para determinar o pacote computacional mais adequado:• O pacote deverá possuir vantagens identificadas como essenciais pela gerência.• O sistema operacional deve ser compatível com os utilizados nos computadores

da empresa• Fácil utilização e apredizado• Possibilidade e facilidade de adaptação do pacote computacional à empresa • Capacidade e agilidade de processamento• Precisão das previsões


Defina para o Grupo imediatamente anterior se haverá ou não um pacote computacional para utilização.


Nesta etapa, dados históricos são agrupados e representados graficamente . Desta maneira, pode-se identificar possíveis valores espúrios na série temporal, o que dificultaria a sua modelagem. Valores espúrios podem ser causados por erros de digitação, falta de produtos , promoções esporádicas e variações no mercado financeiro , entre outras causas . Tratamento dos valores espúrios :• Quando o valor espúrio encontra-se no final da série e existem valores

suficientes para gerar um modelo de previsão, substitui-se o valor espúrio pela previsão relativa ao período correspondente ao dado excluído.

• Quando o valor espúrio encontra-se no inicio da série temporal, pode-se substituir pelo valor médio das observações imediatamente adjacentes.

Uma vez retirados os valores espúrios, analisam-se fatores como padrões , tendências e sazonalidades que podem estar presentes na série temporal em estudo .


Montem um exemplo de Análise Simples dentro do seu grupo . Com dados fictícios e as análises referentes aos dados.


A Escolha do modelo de previsão apropriado a uma série de dados temporais deve ser baseada, além da acurácia do modelo nos seguintes fatores :• Aspectos que influenciam a demanda a ser analisada. Ex. Promoções . • Características da série temporal – a previsão futura de uma série

temporal pode ser feita através das previsões de seus componentes ( sazonalidade, tendência ) . A previsão da sazonalidade , em virtude de sua regularidade , pode ser feita de maneira adequada por um grande nro. De modelos.

• Agregação temporal dos dados: o grau de agregação influencia na seleção do modelo, pois, de maneira geral, a aleatoriedade e um forte componente de tendência ; por outro lado , dados diários possuem grande aleatoriedade. Modelos mais complexos produzem melhores resultados em agregações intermediárias ( mensais ou quadrimestrais) já que estas podem exibir fortes componentes cíclicos e de tendência.


Uma vez tendo-se os modelos e seus parâmetros estimados apropriadamente , sua utilização na predição da demanda futura pode ser testada . Nesse ponto, o processo de implantação do sistema de previsão é considerado concluído, tendo inicio o seu processo de manutenção.

A Manutenção do sistema consiste na incorporação de novas informações sobre as variáveis de interesse, obtidas após cada período, e a revalidação dos modelos estatísticos inicialmente selecionados para sua previsão futura.


Quando se analisa uma série temporal os objetivos básicos são:• Modelagem do fenômeno sob consideração• Obtenção de conclusões em termos estatísticos• Avaliação da adequação do modelo em termos de previsão

A previsão de séries temporais é somente o estabelecimento de valores futuros para a série, e é feita com base tanto na informação atual quanto na passada.

Dentro dos métodos quantitativos de análise de séries temporais podemos destacar os modelos :• Suavização exponencial • Box – Jenkins (ARIMA) • Médias• Extrapolação


Box – Jenkins (ARIMA) : A metodologia de Box Jenkins de modelagem flexível em que previsões com base nesses modelos são feitas a partir dos valores correntes e passados dessas séries. Excelentes no curto prazo. Melhores resultados de previsão são obtidos com de 5 a 10 anos de informação mensal , particularmente na presença de sazonalidade


Suavização Exponencial ( Método Holt) : Mais simples que o modelo Box-Jenkins (ARIMA) , observações recentes são tomadas com mais peso relativamente na previsão que as observações mais antigas. Curto Prazo. Previsões mais rápidas. Utilizam dados da própria série. Não funciona com sazonalidade.


Qual método vocês escolheriam para o seu grupo ?

Documents

GESTÃO DE DEMANDA E CAPACIDADE INSTALADA Profa. Carla Brandão Julho / 2014