Administração de Produção e Operações
Previsões e gestão de demanda em produção e operações
GESTÃO DA DEMANDA
Comunicaçãocom o
Mercado
Previsão deDemanda
Influênciasobre oMercado
Promessade Prazos
Priorizaçãoe Alocação
Gestão deDemanda
FERRAMENTAS PARA ANTECIPAR A DEMANDA FUTURA COM ALGUMA PRECISÃO
PESSOAL DE VENDAS E REPRESENTANTES – TRAZER INFORMAÇÕES DOS CLIENTES E DOS MERCADOS
PARCELAMENTO DE ENTREGAINCENTIVO A MIX DE PRODUTOSPROMOÇÃO E PROPAGANDA
GARANTIR O DESEMPENHO EM CONFIABILIDADE DE ENTREGA
HABILIDADE DE DECIDIR QUAIS CLIENTES SERÃO ATENDIDOS TOTAL OU PARCIALMENTE
Horizontes de planejamentohoje
tempo
decisõesEfeito dadecisão A
Efeito dadecisão B
Efeito dadecisão C
curto prazo
médio prazo
Longo prazo
ABC
P0R QUE PREVER?
PARA DAR SUPORTE AO PROCESSO DECISÓRIO EM
OPERAÇÕES !
ERROS FREQUENTES EM PREVISÕES
• Erro 1: Confundir previsões com metas e, um erro subseqüente, considerar as metas como se fossem previsões.
• Erro 2: Gastar tempo e esforço discutindo se se "acerta" ou "erra" nas previsões, quando o mais relevante é discutir "o quanto" se está errando e as formas de alterar processos envolvidos, de forma a reduzir estes "erros“.
• Erro 3: levar em conta, nas previsões que servirão a apoiar decisões em operações, um número só. Previsões, para operações, devem sempre ser consideradas com DOIS "números": a previsão em si e uma estimativa do erro desta previsão.
• Erro 4: desistir ou não se esforçar o suficiente para melhorar os processos de previsão por não se conseguir "acertar" as previsões, quando, em operações, não se necessita ter previsões perfeitas, mas sim, previsões consistentemente melhores que as da concorrência.
ERROS FREQUENTES EM PREVISÕES
(tempo)
Previsão dedemanda / erro
Erros esperados de previsão crescem com o horizonte
Hoje Horizonte futuro
Faix
a d
e e
rro e
spera
do
ERROS ESPERADOS CRESCEM COM HORIZONTE
Sanduíche Previsão para o mês passado (feita há um ano e meio)
Quarteirão com queijo 2500
Big Mac 6000
Hamburger 4500
Cheeseburger 3000
Filé de peixe 1200
MacChicken 1800
Total 18.000
EFEITO DA AGREGAÇÃO DOS DADOS
Sanduíche Previsão para o mês passado (feita há um
ano e meio)
Vendas efetivas no mês passado na loja analisada
% erro da previsão
Quarteirão com queijo 2500 1930 22,8% Média dos
Big Mac 6000 7269 21,5% erros das
Hamburger 4500 4980 10,6% previsões por
Cheeseburger 3000 2730 9,0% Sanduíche
Filé de peixe 1200 1429 19,0% 20,8%
MacChicken 1800 1050 41,6%
Total 18.000 18.443 2,4%
Efeito da agregação dos dados
(tempo)
Pre
vis
ão d
e
dem
anda / e
rro Erros esperados de previsão crescem com o horizonte
Hoje Horizonte futuro
Agregação dos dados pode ser maior para decisões de longo prazo
Agre
gação g
radualm
ente
maio
r
dos d
ados fa
z e
rros g
radualm
ente
dim
inuire
m
Efeitos dos horizontes e da agregação dos dados nas previsões
PREVISÃO COMO PROCESSOPROJETO E MELHORAMENTO CONTÍNUO DO PROCESSO DE GERAR PREVISÕES
INFORMAÇÕES DA CONJUNTURA ECONÔMICA
DECISÕES DA ÁREA COMERCIAL
OUTRAS INFORMAÇÕES DO
MERCADO
INFORMAÇÕES DE CLIENTES
INFORMAÇÕES DE CONCORRENTES
TRATAMENTO QUALITATIVO DAS
INFORMAÇÕES
TRATAMENTO QUANTITATIVO DOS DADOS DE VENDAS E OUTRAS VARIÁVEIS
INFORMAÇÕES QUE EXPLIQUEM
COMPORTAMENTO ATÍPICO
DADOS HISTÓRICOS DE VENDAS
DADOS DE VARIÁVEIS QUE EXPLIQUEM AS
VENDASREUNIÃO DE PREVISÃO
COMPROMENTIMENTO DAS ÁREASENVOLVIDAS
TRATAMENTO DAS INFORMAÇÕES
DISPONÍVEIS
PREVISÃO DE VENDASPREVISÃO DE VENDAS
AVALIAÇÃO CRÍTICA DO PROCESSO DE GERAR PREVISÕES
tempofuturopassado
Vendas reais do passado
Tendência identificada no passadoe projetada no futuro
Ciclicidade identificada no passadoe projetada no futuro
XX
X
Previsões de curto prazofeitas com base nas projeções
Demanda
Faixa de erroidentificada no passadoe projetada para o futuro
PROJEÇÕES
CURTO PRAZO:TÉCNICA DE SÉRIES
TEMPORAIS SIMPLES
CURTO PRAZO:O FUTURO TENDE A SER UMA
“CONTINUAÇÃO” DO PASSADO
MÉDIO PRAZO:O FUTURO TENDE A “REPETIR” O PASSADO NA CORRELAÇÃO DE
VARIÁVEIS
MÉDIO PRAZO:MODELOS CAUSAIS OU DE
EXPLICAÇÃOREGRESSÃO LINEAR
MÚLTIPLA
LONGO PRAZO:O FUTURO NÃO GUARDA RELAÇÃO
DIRETA COM O PASSADO
LONGO PRAZO:OPINIÃO DE
ESPECIALISTAS (CONSENSO)
Técnicas deprevisão
Quantitativas Qualitativas
Intrínsecas Extrínsecas Método Delphi
Juri deexecutivos
Força devendas
Pesquisa demercado
Médias Móveis
SuavizamentoExponencial
Projeção deTendências
Decomposição
Regressãosimples
Regressãomúltipla
Analogiahistórica
TÉCNICAS DE PREVISÃO
INCORPORAÇÃO DO CONSENSO
DA OPINIÃO SUBJETIVA DE
ESPECIALISTASOPINIÃO DE PEQUENOS GRUPOS –
ALTOS EXECUTIVOS
ESTIMATIVA DESAGREGADA
DE VENDEDORES E
REPRESENTANTES
SOLICITAÇÃO DIRETA DE
INTENÇÃO DE COMPRA FUTURA
IDENTIFICAR PRODUTOS
SIMILARES COM DISPONIBILIDAD
E DE DADOS
“parcela” quantitativada previsão
“parcela” qualitativada previsão
Presença crescente de históricos longos e confiáveis de dados
Presença crescente da hipótese de “continuidade”dos padrões de comportamento
Abordagem Qualitativa x Quantitativa
0
50
100
150
200
250
300
350
400
450
jan
/01
ma
r/0
1
ma
i/0
1
jul/0
1
se
t/0
1
no
v/0
1
jan
/02
ma
r/0
2
ma
i/0
2
jul/0
2
se
t/0
2
no
v/0
2
jan
/03
ma
r/0
3
ma
i/0
3
jul/0
3
se
t/0
3
no
v/0
3
Meses
Un
ida
de
s
Vendas tendência Ciclicidade
SÉRIES HISTÓRICAS
TendênciaVendas
ReaisCiclicidade
SÉRIES HISTÓRICAS
PERMANÊNCIA TRAJETÓRIA
SAZONAL COM PERMANÊNCIA SAZONAL COM TRAJETÓRIA
MÉDIAS MÓVEIS ADEQUADO PARA SÉRIES HISTÓRICAS DE HIPÓTESE DE
PERMANÊNCIAVENDAS MM3 MM4 MM6
JANEIRO 89FEVEREIRO 92MARÇO 100ABRIL 107 93,7MAIO 89 99,7 97,0JUNHO 90 98,7 97,0JULHO 87 95,3 96,5 94,5AGOSTO 93 88,7 93,3 94,2SETEMBRO 92 90,0 89,8 94,3OUTUBRO 110 90,7 90,5 93,0NOVEMBRO 86 98,3 95,5 93,5DEZEMBRO 107 96,0 95,3 93,0JANEIRO 101,0 98,8 95,8
(89 + 92 + 100)/3(92 + 100 + 107)/3(100 + 107 + 89)/3
MÉDIAS MÓVEIS REAÇÃO DAS PREVISÕES COM MÉDIA MÓVEL A UMA MUDANÇA
DE PATAMAR NAS VENDAS
JANEIRO 100 100 100 100
FEVEREIRO 100 100 100 100
MARÇO 100 100 100 100
ABRIL 100 100 100 100
MAIO 100 100 100 100,0
JUNHO 100 100 100 100,0
JULHO 110 100 100 100
AGOSTO 110 103 102 101
SETEMBRO 110 106 105 103
OUTUBRO 110 110 107 105
NOVEMBRO 110 110 110 106
DEZEMBRO 110 110 110 108
JANEIRO 110 110 110 110
MÉDIA MÓVEL PONDERADA
VENDAS PESO
JANEIRO 89
FEVEREIRO 92
MARÇO 100
ABRIL 107 95,4
MAIO 89 101,9
JUNHO 90 96,6
JULHO 87 93,1
AGOSTO 93 88,3
SETEMBRO 92 90,6
OUTUBRO 110 91,3
NOVEMBRO 86 101,2
DEZEMBRO 107 94,4
((89 X 0,2)+ (92 X 0,3) + (100 * 0,5))/3((92 X 0,2)+ (100 X 0,3) + (107 * 0,5))/3
((100 X 0,2)+ (107 X 0,3) + (89 * 0,5))/3
MÉDIA MÓVEL DE 3 PERÍODOS PONDERADA COM PESOS 0,2 – 0,3 E 0,5
SUAVIZAMENTO EXPONENCIALSIMILAR À MÉDIA MÓVEL
MODELO MATEMÁTICOPARA HIPÓTESE DE PERMANÊNCIA:
Pt = St-1
St = α x Vt + (1 – α) x S t-1
ONDE: S t-1 = VALOR DA PREVISÃO NO PERÍODO t - 1 α = CONSTANTE DE SUAVIZAMENTO – LIMITADA AO
INTERVALO 0 E 1V t = VALOR DAS VENDAS REAIS NO PERÍODO tP t = PREVISÃO NO PERÍODO t
Vendas Reais Previsão α
0,1
Janeiro 154 150
Fevereiro 114 150,4
Março 165 146,8
Abril 152 148,6
Maio 176 148,9
Junho 134 151,6
Julho 123 149,9
Agosto 154 147,2
Setembro 134 147,9
Outubro 156 146,5
Novembro 123 147,4
Dezembro 145 145,0
SUAVIZAMENTO EXPONENCIALSIMILAR À MÉDIA MÓVEL
(0,1 x 154) + ((1 – 0,1) x 150)(0,1 x 114) + ((1 – 0,1) x 150,4)(0,1 x 165) + ((1 – 0,1) x 146,8)
Pt = α x Vt-1 + (1 – α) x S t-1
SUAVIZAMENTO EXPONENCIAL
MODELO MATEMÁTICOPARA HIPÓTESE DE SAZONALIDADE COM PERMANÊNCIA:
Pt = St-1 x Ft St = α x Vt / Ft + (1 – α) x St-1
ONDE: St-2 = VALOR DA PREVISÃO NO PERÍODO t - 2 α = CONSTANTE DE SUAVIZAMENTO – LIMITADA AO
INTERVALO 0 E 1Vt-1 = VALOR DAS VENDAS REAIS NO PERÍODO t-1Pt = PREVISÃO NO PERÍODO tFt = FATOR DE SAZONALIDADE
SUAVIZAMENTO EXPONENCIALPt = (α x Vt-1 + (1 – α) x S t-1) x Ft
Vendas Reais αReta de
RegressãoFator de
Sazonalidade Previsão
0,1
Janeiro 154 150,0 149 1,03
Fevereiro 114 150,4 148 0,77 115,8
Março 165 146,8 147 1,12 164,5
Abril 152 148,6 146 1,04 154,3
Maio 176 148,9 145 1,21 180,2
Junho 134 151,6 145 0,93 140,5
Julho 123 149,9 144 0,86 128,3
Agosto 154 147,2 143 1,08 158,7
Setembro 134 147,9 142 0,94 139,5
Outubro 156 146,5 141 1,11 161,9
Novembro 123 147,4 140 0,88 129,3
Dezembro 145 145,0 139 1,04 150,8
SUAVIZAMENTO EXPONENCIAL
MODELO MATEMÁTICOPARA HIPÓTESE DE TENDÊNCIA:
Pt = St-1+ Rt-1 Pt+n = St-1 + Rt-1 x (n +1)St = α x Vt + (1 – α) x (St-1 + Rt-1)Rt = β x (St - St-1) + (1 – β) x Rt-1
ONDE: Pt = PREVISÃO NO PERÍODO tPt+n = PREVISÃO NO PERÍODO t+nSt = VALOR DA BASE NO PERÍODO tRt = VALOR DA TAXA DE TENDÊNCIA NO PERÍODO tα = CONSTANTE DE SUAVIZAMENTO DA BASE β = CONSTANTE DE SUAVIZAMENTO DA TENDÊNCIAVt = VALOR DAS VENDAS REAIS NO PERÍODO t
SUAVIZAMENTO EXPONENCIAL
MODELO MATEMÁTICOPARA HIPÓTESE SAZONAL COM TENDÊNCIA:
Pt = (St-1+ Rt-1) x Ft
Pt+n = (St-1 + Rt-1 x (n +1)) x Ft
St = α x (Vt /Ft ) + (1 – α) x (St-1 + Rt-1)Rt = β x (St - St-1) + (1 – β) x Rt-1
ONDE: Pt = PREVISÃO NO PERÍODO tPt+n = PREVISÃO NO PERÍODO t+nSt = VALOR DA BASE NO PERÍODO tFt = VALOR DO COEFICIENTE DE SAZONALIDADE NO
PERÍODO tRt = VALOR DA TAXA DE TENDÊNCIA NO PERÍODO tα = CONSTANTE DE SUAVIZAMENTO DA BASE β = CONSTANTE DE SUAVIZAMENTO DA TENDÊNCIAVt = VALOR DAS VENDAS REAIS NO PERÍODO t
SUAVIZAMENTO EXPONENCIALPt = ((St-1+ (Rt-1 x (n+1)) x Ft
VENDAS REGRESSÃOFATOR DE
SAZONALIDADE1 137 105 1,302 55 110 0,503 139 115 1,214 96 120 0,805 163 125 1,306 78 130 0,607 161 135 1,198 112 140 0,809 210 145 1,45
10 90 150 0,6011 189 155 1,2212 128 160 0,8013 256 165 1,5514 102 170 0,6015 207 175 1,1816 144 180 0,8017 259 185 1,4018 133 190 0,7019 235 195 1,2020 160 200 0,80
SUAVIZAMENTO EXPONENCIALPt = ((St-1+ (Rt-1 x (n+1)) x Ft VENDAS REGRESSÃO
FATOR DE SAZONALIDADE μ
1 137 105 1,30 1,402 55 110 0,50 0,603 139 115 1,21 1,204 96 120 0,80 0,805 163 125 1,30 6 78 130 0,60 7 161 135 1,19 8 112 140 0,80 9 210 145 1,45
10 90 150 0,60 11 189 155 1,22 12 128 160 0,80 13 256 165 1,55 14 102 170 0,60 15 207 175 1,18 16 144 180 0,80 17 259 185 1,40 18 133 190 0,70 19 235 195 1,20 20 160 200 0,80 PREVISÃO
21 205 28722 210 12623 215 25824 220 176
ACOMPANHAMENTO DOS ERROS DE PREVISÃO: VIÉS
Vendas Reais Previsão DesvioDesvio
AbsolutoDesvio
AcumuladoDesvio Absoluto
Acumulado
Desvio Absoluto
MédioTS - Trackin
Signal
Janeiro 154 150,0 -4,0 4,0 -4,0 4,0 4,0 -1,0
Fevereiro 114 150,4 36,4 36,4 32,4 40,4 20,2 1,6
Março 165 146,8 -18,2 18,2 14,2 58,6 19,5 0,7
Abril 152 148,6 -3,4 3,4 10,7 62,1 15,5 0,7
Maio 176 148,9 -27,1 27,1 -16,3 89,1 17,8 -0,9
Junho 134 151,6 17,6 17,6 1,3 106,8 17,8 0,1
Julho 123 149,9 26,9 26,9 28,2 133,6 19,1 1,5
Agosto 154 147,2 -6,8 6,8 21,4 140,5 17,6 1,2
Setembro 134 147,9 13,9 13,9 35,2 154,3 17,1 2,1
Outubro 156 146,5 -9,5 9,5 25,7 163,8 16,4 1,6
Novembro 123 147,4 24,4 24,4 50,1 188,3 17,1 2,9
Dezembro 145 145,0 0,0 0,0 50,1 188,3 15,7 3,2
-5,00-4,00-3,00-2,00-1,000,001,002,003,004,005,00
Tracking signal Limite superior Limite inferior
LIMITES PARA “TRACKING SIGNAL”
Previsão Previsão Desvio Desvio Desvio DesvioSuav. Expon Suav. Expon absoluto absoluto quadrático quadrático
Vendas reais Alfa = 0,1 Alfa = 0,8 Alfa = 0,1 Alfa = 0,8 Alfa = 0,1 Alfa = 0,8
Janeiro 154 150,0 150,0 4,0 4,0 16,0 16,0
Fevereiro 114 150,4 153,2 36,4 39,2 1325,0 1536,6
Março 165 146,8 121,8 18,2 43,2 332,7 1862,8
Abril 152 148,6 156,4 3,4 4,4 11,7 19,1
Maio 176 148,9 152,9 27,1 23,1 733,0 534,8
Junho 134 151,6 171,4 17,6 37,4 310,9 1396,9
Julho 123 149,9 141,5 26,9 18,5 722,0 341,3
Agosto 154 147,2 126,7 6,8 27,3 46,5 745,6
Setembro 134 147,9 148,5 13,9 14,5 192,2 211,4
Outubro 156 146,5 136,9 9,5 19,1 90,7 364,5
Novembro 123 147,4 152,2 24,4 29,2 596,8 851,6
Dezembro 145 145,0 128,8 0,0 16,2 0,0 261,3
Desvios médios 15,69 23,00 364,79 678,48
Acompanhamento da magnitude dos erros
Vendas Vendas Vendas2001 2002 2003
Janeiro 112 146 199Fevereiro 146 113 175Março 122 92 88Abril 125 160 112Maio 127 188 149Junho 157 190 140Julho 150 168 154Agosto 235 235 275Setembro 60 122 90Outubro 92 97 120Novembro 206 186 226Dezembro 312 354 360
0
50
100
150
200
250
300
350
400
Jan/
01M
ar/0
1M
ai/01
Jul/0
1Se
t/01
Nov/
01Ja
n/02
Mar
/02
Mai/
02Ju
l/02
Set/0
2No
v/02
Jan/
03M
ar/0
3M
ai/03
Jul/0
3Se
t/03
Nov/
03
PROJEÇÕES COM TENDÊNCIA
Vendas Vendas Vendas2001 2002 2003
Janeiro 112 146 199Fevereiro 146 113 175Março 122 92 88Abril 125 160 112Maio 127 188 149Junho 157 190 140Julho 150 168 154Agosto 235 235 275Setembro 60 122 90Outubro 92 97 120Novembro 206 186 226Dezembro 312 354 360
0
50
100
150
200
250
300
350
400
Jan/0
1Ma
r/01
Mai/0
1Ju
l/01
Set/0
1No
v/01
Jan/0
2Ma
r/02
Mai/0
2Ju
l/02
Set/0
2No
v/02
Jan/0
3Ma
r/03
Mai/0
3Ju
l/03
Set/0
3No
v/03
PROJEÇÕES COM TENDÊNCIA
Y = 1,8048x + 132,81
CONSIDERAÇÃO DE CICLICIDADES VENDAS RETA DE TENDÊNCIA
2007 2008 2009 2007 2008 2009 2010
Janeiro 112 146 199 134,6 156,3 177,9 199,6
Fevereiro 146 113 175 136,4 158,1 179,7 201,4
Março 122 92 88 138,2 159,9 181,5 203,2
Abril 125 160 112 140,0 161,7 183,3 205,0
Maio 127 188 149 141,8 163,5 185,1 206,8
Junho 157 190 140 143,6 165,3 187,0 208,6
Julho 150 168 154 145,4 167,1 188,8 210,4
Agosto 235 235 275 147,2 168,9 190,6 212,2
Setembro 60 122 90 149,1 170,7 192,4 214,0
Outubro 92 97 120 150,9 172,5 194,2 215,8
Novembro 206 186 226 152,7 174,3 196,0 217,6
Dezembro 312 354 360 154,5 176,1 197,8 219,4
MÉDIA
0,832 0,934 1,118 0,962
1,070 0,715 0,974 0,920
0,883 0,575 0,485 0,648
0,893 0,990 0,611 0,831
0,895 1,150 0,805 0,950
1,093 1,149 0,749 0,997
1,031 1,005 0,816 0,951
1,596 1,391 1,443 1,477
0,403 0,715 0,468 0,528
0,610 0,562 0,618 0,597
1,349 1,067 1,153 1,190
2,020 2,010 1,820 1,950
112 / 134,6 HISTÓRICOFUTURO
2010
191,9
185,2
131,6
170,4
196,5
208,0
200,1
313,4
113,1
128,8
259,0
427,9
199,6 * 0,962