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