LUIZ ALBERTO BARBERINI

Apresentação em tema: "LUIZ ALBERTO BARBERINI"— Transcrição da apresentação:

1 LUIZ ALBERTO BARBERINI
Eng. Mecânico – Mauá Extensão Universitária em Transportes – Mauá Pós Graduação Logística – FGV Certified Quality Engineer – American Society for Quality Control MBA – Mauá BSCM – APICS GREEN BELT Experiência nas empresas Ford , Rhodia, Souza Cruz, Laboratórios Pfizer, Embalagens Diadema, Nycomed Pharma Coordenador do Grupo de Transportes Perigosos ABIQUIM Seminários diversos em Transportes e Gestão de Demanda  1

2 DEMAND FORECASTING PREVISÃO DA DEMANDA
                                                                                 2

3  “Procurar petróleo perfurando perfurando a terra
 “Procurar petróleo perfurando perfurando a terra? Quer dizer procurar petróleo em baixo da terra? Voce é louco!” Colegas do Edwin L. Drake tentando vender uma idéia nova in 1859.  “Esse tal do telefone é cheio de defeitos e não pode ser considerado seriamente como meio de comunicação. Ele não tem nenhum valor intrínseco para nos.” Western Union - telégrafo, 1876.  “Máquinas voadoras mais pesadas que o ar são impossíveis.” Lord Kelvin, presidente, Royal Society de Ciências, 1895.  “Avioes são brinquedos excelentes sem absolutamente nenhum valor militar.” Marechal Ferdinand Foch, Professor de Estratégias de Guerra, Ecole Superieure de Guerre  “A caixa de música sem fio (rádio) não tem nenhum valor comercial. Não há mercado para mensagens enviadas para ninguém especificamente.” Sócios do David Sarnoff, pioneiro em rádio, 1920s.  “Ninguem vai querer escutar atores falando.” H.M. Warner, Warner Brothers, 1927.  “Essa bomba não vai se detonar e sou perito em bombas.” Almirante William Leahy, Projeto da bomba atômica, EUA em 1940.  “É absolutamente impossível o ser humano alcançar a lua até mesmo considerando todas as possibilidades futuras da ciência.” Dr. Lee De Forest, pai de televisão. 1940 

4 Meu cunhado Luiz, novembro 2008
 “Acho que o mercado mundial para computadores deve estar em 5 máquinas no máximo.” Thomas Watson, diretor-chefe da IBM, 1943  “Computadores no futuro podem pesar apenas 1,5 toneladas.” Revista Popular Mechanics, 1949.  “Já viajei muito nesse país e conversei com os melhores especialistas da área e sei agora que o processamento de dados é apenas moda superficial e não vai demorar nem um ano para sumir completamente.” Chefe – Editora Prentice Hall, 1957  “Nos não gostamos do som deles e, também, música de guitarra está caindo em popularidade.” Decca Recording Co. rejeitando os Beatles, 1962.  “Não existe a mínima justificativa para alguém querer um computador em casa.” Ken Olson, Presidente, Digital Equipment Corp., 1977  “Depois de jogar no Milan, Inter, Barcelona, Real Madrid – Voces acham mesmo que esse cara vem prá cá??? Nunca !!” Meu cunhado Luiz, novembro 2008 

5 

6 …é, não é fácil prever…                                                                                  6

7 Objetivos Entender os fatores que influenciam a demanda
Reconhecer os tipos básicos de Demanda Descrever os princípios básicos de Previsão (Forecasting) Entender os princípios de coleta de dados Comparar técnicas básicas de Previsão (Forecasting) Entender os conceitos de sazonalidade Entender os motivos e tipos de erros de Previsão (Forecast)                                                                                  7

8 SC SC Supports & Suggests improvements Manage & Execute Capture Data
PSL SRC SSL SAV Manufact. Supplier Procurement Planning / MPS Product Supply Scheduling / MRPII SC Wholesaler Wholesaler DC Sales 3PL Warehouse NyBR POC DCO CSL POS-SL SRC-CD Point of Sale Distribution ISL S&OP Sales Forecast SFA PRO Doctor Marketing Promotion Demand Planning SC Supports & Suggests improvements Manage & Execute Capture Data and have it changed into info Customer / Client

9 Introdução O FORECAST - ou PREVISÃO - é o prelúdio do planejamento.
É necessário para termos um horizonte do que fazer e quando. Algumas empresas, como MTO , precisam ter idéia de que estoques devem ser mantidos, assim como dos recursos a serem alocados. O processo no qual a PREVISÃO ou FORECAST está inserido é o PLANEJAMENTO ou GESTÃO DE DEMANDA – em inglês , DEMAND MANAGEMENT ou DEMAND PLANNING. DEMANDA É A NECESSIDADE DO ITEM. A VENDA PODE SER ABAIXO DA DEMANDA REAL !!!                                                                                  9

10 Fatores que Influenciam a Demanda
CONDIÇÕES ECONOMICAS E DO BUSINESS FATORES COMPETITIVOS TENDENCIAS DE MERCADO PLANOS DA EMPRESA  POSICIONAMENTO GLOBAL  ___________________________ ENTENDER O QUE INFLUENCIA A COMPRA PARA ENTENDER A DEMANDA  10

11 Porque da Gestão de Demanda
O principal propósito de uma organização é atender ao cliente. Gestão da Demanda Coordena estes interesses MARKETING Foco em Atender necessidades OPERAÇÕES Prover os Recursos  11

12 Gestão da Demanda Habilidade para prever a demanda
Canal de comunicação com o mercado Poder de influência sobre a demanda Habilidade de prometer prazos Habilidade de priorização e alocação                                                                                  12

13 … responde às Questões Logísticas Básicas…
o que produzir e comprar quanto produzir e comprar quando produzir e comprar com que recursos produzir                                                                                  13

14 Requirements Planning
… usando ferramentas aprimoradas… Evolução dos computadores ´60 Bill of materials automatizada BOM BOM MRP MRP - Material Requirements Planning ´70 Escopo BOM MRP MRPII MRPII - Manufacturing Resource Planning ´80 BOM MRP MRPII ERP ERP - Enterprise Resource Planning ´90 

15 Demand Forecast = Previsão de Demanda
Hoje Passado Futuro Vendas passado ciclicidade no passado tendência projetada no futuro ciclicidade projetada                                                                                  15

16 Demand Forecast = Previsão de Demanda
Vendas vendas reais sazonalidade tendência                                                                                  16

17 Incerteza de Previsão previsão As incertezas das previsões
tempo As incertezas das previsões aumentam com o horizonte                                                                                  17

18 “Acho que todas estouraram ao mesmo tempo”
Variação                                         “Acho que todas estouraram ao mesmo tempo”  18

19 Variablidade pequena = 6 
VENDA PREVISÃO GP PREVISÃO ESTAT  =  =  =  =  =  = 

20 Ciclo Virtuoso X Vicioso
Erro / Acerto na Previsão de Vendas Custo de pedido e despesas desnecessárias Menor poder de barganha Obsolescência Alto custo de oportunidade Falta de maior conhecimento do mercado / produto, com risco de repetição de erros no futuro. Baixa margem de contribuição no produto afeta lucro Baixo nível de serviço Reprogramação da produção – redução da produtividade Estoque adequado, sem perdas e de acordo com a demanda do mercado Planejamento alinhado com as áreas envolvidas Forte comunicação e integração Maior margem de contribuição, despesas reduzidas Otimização da programação de pedidos / Savings Alta produtividade Alto nível de serviço Afeta... Planejamento de Demanda Planejamento da produção Levantamento de Dados Compra de MP Reunião Preliminar de S&OP Estoques Reunião Executiva de S&OP Vendas PRODUTO / Ger. Produto  20

21 Ciclo Virtuoso X Vicioso
Erro / Acerto na Previsão de Vendas Falta de maior conhecimento do mercado / produto, com risco de repetição de erros no futuro. Afeta... Planejamento de Demanda Reprogramação da produção – redução da produtividade Planejamento alinhado com as áreas envolvidas Forte comunicação e integração Planejamento da produção Custo de pedido e despesas desnecessárias Menor poder de barganha                                                                                 Alta produtividade Alto nível de serviço Levantamento de Dados Compra de MP Obsolescência Alto custo de oportunidade Otimização da programação de pedidos / Savings Baixa margem de contribuição no produto afeta lucro Baixo nível de serviço Reunião Preliminar de S&OP Estoques Estoque adequado, sem perdas e de acordo com a demanda do mercado Reunião Executiva de S&OP Vendas Maior margem de contribuição, despesas reduzidas PRODUTO / Ger. Produto  21

22 Por que NÃO Prever Demanda?
PODER - segredos significam poder, e poder garante a segurança de quem o detém COMPETIÇÃO - modelo mais aberto, empresa sofre uma queda de moral MIOPIA - grande lucro no curto prazo como resultado de inovações formidáveis dos gênios da mercadologia POLÍTICA - frente a qualquer idéia nova, não fazer nada e ficar inerte são sempre as primeiras decisões tomadas pelos grupos estabelecidos. 

23 Planejamento Planejar as necessidades futuras de capacidade produtiva
Planejar os materiais comprados Planejar os níveis adequados de estoques Programar atividades de produção Ser capaz de saber e de informar a respeito da situação dos recursos e das ordens Ser capaz de prometer os menores prazos possíveis ao cliente e cumprí-los Ser capaz de reagir eficazmente                                                                                  23

24 Hierarquia do Planejamento
                                        mês 1 mês 12 mês 3 mês 2 sem 1 sem 2 sem 3 sem 4 sem 5 sem 6 sem 11 sem 12 Longo prazo Médio Curto Curtíssimo seg ter qua qui sex sab Famílias Produtos Componentes Operações desagregação  24

25 Demanda X Venda LEMBRANDO QUE ESTOQUES SÃO OS REGULADORES DESTE CICLO
DEMANDA É A NECESSIDADE DO ITEM. A VENDA PODE SER ABAIXO DA DEMANDA REAL !!!                                                                                 LEMBRANDO QUE ESTOQUES SÃO OS REGULADORES DESTE CICLO  25

26 Exemplo do Mercado Farma
Sell-In Sell-out Distribuidor                                                                                 Venda Demanda Em um processo ainda MAKE TO STOCK, permanece a dificuldade de alinhar VENDA E DEMANDA  26

27 Características da Demanda
A demanda é avaliada em 3 níveis : Quanto ao seu Padrão Se é Estável ou Dinâmica Se é Demanda Dependente ou Independente                                                                                  27

28 Padrões de Demanda O comportamento da Demanda tem : Tendência
Sazonalidade Variação Aleatória Variação Cíclica                                                                                  28

29 Padrão - Tendência Sugestão de “para onde vai”a demanda.
Pode ser Crescente, Decrescente ou Flat A demanda flat ou estável varia dentro de um certo comportamento previsivel  29

30 Padrão - Sazonalidade É a variação de demanda baseada em um período de tempo. Não necessariamente anual, mas com intervalos regulares.  30

31 Padrão - Variação Aleatória
Muitos fatores afetam a demanda durante períodos especificos e ocorrem numa base aleatória (randômica). O padrão pode ser estimado e, em alguns casos, decifrado.                                                                                  31

32 Padrão - Cíclica Ciclos de longa e curta duração também influenciam na demanda. O histórico de crescimento e recessão é um exemplo disso. Aplica-se, por exemplo, a uma curva de queda de moda.                                                                                  32

33 Estática X Dinâmica Demanda Estática mantém um padrão no tempo.
A demanda Dinâmica tende a ser errática                                                                                  33

34 Demanda Dependente X Independente
Itens de demanda independente são geridos pelo seu comportamento de mercado. Itens de demanda dependente são aqueles atrelados à itens de demanda independente. Farol Parachoque Pneu (??)  34

35 Princípios de Forecast
Raramente são 100% certos ao longo do tempo Devem incluir uma estimativa de erro São mais acurados para familias e linhas de produtos que para SKUs São mais acurados em horizontes próximos de tempo                                                                                 O tamanho do erro projetado vai ajudar no processo de planejamento – gera o estoque de segurança conforme nível de serviço desejado  35

36 Coleta e Preparação de Dados
Previsões são normalmente baseadas em dados históricos. Assim, uma previsão é tão boa quanto a base de dados na qual é feita. Para isso, três princípios são importantes: Coletar dados na mesma base usada para demanda Salsicha em unidades ou metros? Coletar circunstâncias relativas aos dados Aumento de consumo de Digestivo nas festas de São João Coletar demandas separadamente por grupos de eventos Diferentes grupos possuem diferentes demandas                                                                                 A demanda muda, pois os fatores mudam !!!!  36

37 Técnicas de Forecast METODOS DE PREVISÃO QUANTITATIVOS QUALITATIVOS
INTRINSECO INTRÍNSECO EXTRINSECO QUANTITATIVOS QUALITATIVOS EXTRINSECO PROJEÇÃO CORRELAÇÃO METODOS DELPHI PESQUISA DE MERCADO SIMULAÇÃO DE CENÁRIOS MÉDIAS MÓVEIS PROJEÇÃO TENDENCIAS DECOMPOSIÇÃO AMORTECIMENTO BOX JENKINS REGRESSÃO SIMPLES MÚLTIPLA METODOS ECONOMETRICOS  37

38 Técnicas de Forecast Qualitativas Quantitativas Extrínsecas
Intrínsecas                                                                                  38

39 Técnicas de Forecast Qualitativas
Intuitivas. Baseadas em opinião informal, tendendo a ser subjetivas. Usadas principalmente em novos produtos Quantitativas Técnicas matemáticas baseadas em dados históricos , assumem que o que ocorreu no passado se repetira no futuro. Mais usada em planejamento de produção, por exemplo, e os dados estão acessíveis nos registros da empresa.                                                                                  39

40 Técnicas de Forecast Extrínsecas
Baseadas no princípio de causa e efeito, chamadas também de técnicas casuísticas. Por exemplo, construções impactarão no aumento de venda de telhas. Usam indicadores externos para os quais os dados estão disponíveis. Quando uma demanda para um grupo está relacionada a um indicador, este indicador pode ser usado para previsão. Intrínsecas Baseada em fatores internos ex. Vendas históricas                                                                                  40

41 Métodos Qualitativos • Consenso do comitê executivo: executivos com capacidade de discernimento, de vários departamentos da organização, formam um comitê que tem a responsabilidade de desenvolver uma previsão de vendas. • Método Delphi: usado para se obter o consenso dentro do comitê, podendo ser obtida uma previsão com a qual a maioria dos participantes concordou, apesar de ter ocorrido uma discordância inicial. • Pesquisa de equipe de vendas: estimativas de vendas regionais futuras são obtidas e combinadas para formar uma estimativa de vendas única para todas as regiões, que deve então ser transformada pelos executivos em uma previsão de vendas para assegurar estimativas realísticas. 

42 Métodos Qualitativos • Pesquisa de clientes: clientes individuais são pesquisados para determinar quais quantidades dos produtos da empresa eles pretendem comprar em cada período de tempo futuro. • Analogia histórica: o conhecimento das vendas de um produto durante várias etapas de seu ciclo de vida é aplicado às estimativas de vendas de um produto similar. Pode ser especialmente útil na previsão de vendas de novos produtos. • Pesquisa de mercado: questionários por correspondência, entrevistas telefônicas ou de campo formam base para testar hipóteses sobre mercados reais. 

43 Algumas Técnicas Importantes
Média Móvel Amortecimento Exponencial Simples Decomposição Clássica Projeção por Taxas de Crescimento Box Jenkins (Exponencial Dupla) Holt Winter (Exponencial Multipla)                                                                                  43

44 MAIS USADA !!!! Técnica Média Móvel
Usada para filtrar variações aleatórias; Longos períodos atenuam variações aleatórias; Se existe uma tendência, fica difícil detecta-la; Cálculos manuais podem ser complexos com relação a longos períodos MAIS USADA !!!!                                                                                  44

45 Técnica Média Móvel A previsão de demanda é baseada nos meses anteriores: janeiro 63 ( ) fevereiro março Abril = _____ fevereiro 91 ( ___ ) março abril ___ Maio = _____ =                                                                                 =  45

46 Técnica Média Móvel A previsão de demanda é baseada nos meses anteriores: janeiro 63 ( ) fevereiro março Abril = _____ fevereiro 91 ( ___ ) março abril Maio = _____ = 79                                                                                 79 79 = 84  46

47 Exemplo 110 105 100 95 90 1 2 3 4 5 6 7 Plotar a demanda
Forecast para meses 4, 5 e 6 Melhor Forecast para mês 7 110 105                                         100 95 90 1 2 3 4 5 6 7  47

48 Exemplo 110 105 100 95 90 1 2 3 4 5 6 7 Plotar a demanda
Forecast para meses 4, 5 e 6 Melhor Forecast para mês 7 110 105                                         100 95 90 1 2 3 4 5 6 7  48

49 Técnica Amortecimento Exponencial
Técnica que reduz a quantidade de dados necessários e faz com que o cálculo de médias móveis seja mais simples, especialmente em cálculos automáticos. Método rotineiro para atualizar forecast Funciona bem para demanda estática – não indicada para baixa ou intermitente Satisfatório para forecast de curto período Detecta tendências, mas pode causar defasagem                                                                                  49

50 Técnica Amortecimento Exponencial
Vantagens Relativamente fácil de calcular e implementar Observações passadas recebem pesos decrescentes com a idade. Maior peso para os dados mais recentes. Desvantagens Sensível a dados extremos (outliers), especialmente com valores de a elevados (a ~ 1). O AES é indicado a séries com média estável Séries com tendência e/ou sazonalidade: Usar método modificado 

51 Técnica Amortecimento Exponencial
FC1 =  D ( 1 -  ) X FC0 FC2 =  D ( 1 -  ) X FC1  = Pesos complementares de forma a ter uma reação mais ou menos rápida à previsão. Entre 0 e 1 , algoritmo genérico, empírico.                                                                                  51

52 Técnica Amortecimento Exponencial
Combinar duas informações, como itens Previsto e Realizado Ex: Previsto para Maio = 800 Realizado em Maio = 900 Previsão para Junho = ???  Média ponderada das duas informações Caso  - maior ênfase no Forecast Maio 30% Real + 70% Previsto Maio Caso  - maior ênfase no Realizado em Maio 70% Real + 30% Previsto Maio 

53 Amortecimento exponencial (a = 0.3)
Técnica Amortecimento Exponencial Amortecimento exponencial (a = 0.3) 

54 Amortecimento exponencial (a = 0.3)
Técnica Amortecimento Exponencial Amortecimento exponencial (a = 0.3) 

55 Amortecimento exponencial (a = 0.3)
Técnica Amortecimento Exponencial Amortecimento exponencial (a = 0.3) 

56 Amortecimento exponencial (a = 0.3)
Técnica Amortecimento Exponencial Amortecimento exponencial (a = 0.3) 

57 Amortecimento exponencial (a = 0.3)
Técnica Amortecimento Exponencial Amortecimento exponencial (a = 0.3) 

58 Técnica Amortecimento Exponencial


59 Técnica Amortecimento Exponencial


60 Técnica Amortecimento Exponencial


61 Amortecimento Exponencial (a = 1)
Técnica Amortecimento Exponencial Amortecimento Exponencial (a = 1) Caso especial, onde a previsão = último valor observado Processo sem memória Situação comum no mundo real: mercados eficientes Previsão de ativos de Risco: Ações, Commodities, US$, ... 

62 Relação Média Móvel X Amortecimento
Relação de equivalência (mesma idade média): a = 2 / (n + 1) Maior n, menor alfa! Para n=1 (menor valor), alfa =1 (maior valor) Para n=3 , alfa = 0.50 Para n=7 , alfa = 0.25 Para alfa = 0.10 , n= 19 

63 Decomposição Clássica
A decomposição clássica consiste em separar a demanda histórica em dois ou mais padrões, quase sempre com uma tendência “embutida” Cada classe é estudada separadamente , e depois reagrupada em modelos; na prática o modelo considera apenas a tendência e a variação sazonal. T = aX + b O valor T da tendência pode ser determinado usando análise de regressão linear. Assim, o valor de pela equação da reta de regressão, onde a e b foram determinados anteriormente X são os períodos de tempo Tendência Sazonalidade Variação Aleatória Variação Cíclica 

64 Taxa de Crescimento Metodologia de previsão de demanda baseada em dados fixos de crescimento Aproxima-se de modelo de extrapolação Não leva em conta particularidades como sazonalidades É de difícil separação em períodos menores, carregando incertezas. 

65 Box Jenkins Também chamada de Exponencial Dupla.
Leva em conta a decomposição da previsão em modelos lineares + aleatórios (2 ou mais eventos que podem se combinar). A metodologia implica em decompor a demanda e estuda-la separadamente, para em seguida, matematicamente, recompor suas componentes. Leva grandemente em conta sazonalidades. 

66 Sazonalidade Previsões são feitas para demandas médias. A sazonalidade é a variação da demanda baseado em dados temporais. Se a sazonalidade existe, pode ser calculada. Um índice sazonal mede a variação da demanda de um item no tempo Venda Média no Período Indice sazonal = Venda média em todos os períodos                                                                                  66

67 Indice Sazonal - Exemplo
 67

68 Demanda Sazonalizada Demanda Sanonalizada é a Demanda média linear para o período estudado. A equação para achar o índice sazonal é a mesma para trabalhar a Demanda Sazonal. Relaciona Demanda com Indice Demanda Sazonal = Indice Sazonal X Demand linear                                                                                  68

69 Exemplo                                                                                  69

70 Entendendo o Forecast Tracking
Concorrencia Economia Oportunidades As previsões são, por definição, erradas !!!! Mercado Transito Pessoas Crise Corinthians Se determinarmos quanto nossas previsões são corretas, podemos melhorar o modelo utilizado. Para tanto, é importante Acompanhar o Forecast O Forecast Traking é o processo de comparar a demanda real com o forecast realizado.                                                                                  70

71 Forecast Error Forecast Error (Erro da previsão) é a diferença entre a demanda atual e a demanda prevista. Pode ser por variação de tendência ou aleatório.                                                                                  71

72 Forecast Error – Bias ou Tendências
É o comportamento apresentado pelo forecast quando os erros são concentrados em uma tendência, positiva ou não. Possível influência intrínseca ao processo. ERROS SEMPRE PARA VALOR ACIMA DO REAL                                                                                  72

73 Forecast Error – Variação Aleatória
Aleatória : ocorre quando a demanda real acumulada é diferente do forecast acumulado, mas sem um padrão definido que permita análise (influência extrínseca).                                                                                  73

74 Desvio Médio Absoluto (MAD)
Podemos ter demandas com variação total nula, mas variando mês a mês. Uma forma de avaliar este erro é calculando a média em valor absoluto. Mês Forecast Atual Variação (erro) Erro absoluto 1 100 105 5 2 94 -6 6 3 98 -2 4 104 103 96 -4 Total 600 24 Soma dos desvios absolutos MAD =                                                                                 Numero de Observações  74

75 Desvio Médio Absoluto (MAD)
Podemos ter demandas com variação total nula, mas variando mês a mês. Uma forma de avaliar este erro é calculando a média em valor absoluto. Mês Forecast Atual Variação (erro) Erro absoluto 1 100 105 5 2 94 -6 6 3 98 -2 4 104 103 96 -4 Total 600 24 Soma dos desvios absolutos MAD =                                                                                 Numero de Observações 24 MAD = = 4 6  75

76 Mean Average Porcentage Error - MAPE
Quando temos várias famílias para projeção, é importante avaliarmos o erro médio, ponderando-se o impacto em cada família. Calculo do Forecast Accuracy:  (Forecast [units] x MAPE) Forecast Accuracy = —————————————— Forecast [units]                                                                                  76

77 Mean Average Porcentage Error - MAPE
( x 1% x 4% x 50%) Forecast Accuracy = = 96,45 % 

78 Distribuição Normal D Importante: Média (Forecast) e Dispersão
4% % % % % % D 

79 Revisão de conceitos 1. Qual dos itens abaixo é uma característica da demanda? a. Variação Absoluta Média b. Variação Sazonal c. variação Média d. Desvio Padrão                                                                                  79

80 Revisão de conceitos 2. O produto A é feito dos componentes B e C. O componente B é feito com as partes D e E. Qual destes itens deve ter sua demanda projetada? a. Somente o item A b. A, B e C c. D e E d. B, C, D, e E                                                                                  80

81 Revisão de conceitos 3. Qual das seguintes observações é a melhor sobre princípios de Forecasting? a. Previsões são melhores para indivíduos que para grupos de itens b. Previsões são mais precisas para longos períodos de tempo c. Toda previsão deve conter uma estimativa de erro d. Previsões são normalmente acuradas                                                                                  81

82 Revisão de conceitos  4. Qual importante hipótese é considerada sobre métodos de previsão estatísticos (quantitativos)? a. O passado é um indicador válido de futuro b. Tendência de demanda é linear c. Variações Sazonais são pequenas d. Variações aleatórias são pequenas                                                                                  82

83 Revisão de conceitos 5. Qual técnica de previsão considera como importante a demanda em alguns períodos de tempo passados?   a. Média de tendência no tempo b. Média móvel c. Amortecimento da demanda d. Analises Qualitativas                                                                                  83

84 Revisão de conceitos 6. Porque é importante monitorar a previsão ou forecast? a. Para comparar as vendas atuais com o forecast feito b. Para melhorar nossas técnicas de previsão c. Para atualizar dados atuais de vendas d. Para satisfazer os dados que marketing precisa ter                                                                                    84

85 Revisão de conceitos 7. Qual dos seguintes itens é o mais correto?
  a. As flutuações de demanda que dependem da época do ano, semana ou dia são chamadas de tendências b. O índice sazonal é uma estimativa de quanto a demanda durante uma certa época estará acima ou abaixo da demanda média c. Sazonalidade sempre ocorre no verão, Outono, Inverno ou Primavera d. Variações aleatórias são constantes de período a período                                                                                     85

86 Revisão de conceitos 8. Qual dos itens abaixo causa erro no forecast?
  a. Variações aleatórias da demanda média b. Erros em monitorar a previsão ou o forecast c. Diferenças em lead times de produção d. Diferenças entre Venda e Demanda                                                                                  86

87 Revisão de conceitos 9. Qual das seguintes é mais correta? a. Itens de demanda independente deve ser previsionados b. Uma previsão de vendas para o próximo ano não será tão precisa quanto uma previsão para um ano a partir de agora c. Previsões para famílias e grupos de produtos devem ser construídas a partir de previsões de itens individuais d. Previsões são quase sempre precisas  87

88 Revisão de conceitos 10. Qual dos abaixo é o mais correto?
a. Se desejamos prever a demanda, vendas passadas devem ser usadas na previsão b. Previsões em R$ para vendas totais devem ser usadas em Produção c. Previsões devem ser feitas para SKUs em um grupo de produtos d. Circunstancias relativas a dados de demanda devem ser registradas    88

89 PROCESSO DE GESTÃO DA DEMANDA S&OP
                                                                                 89

90 Demand Planning Não é... É... 

91 Demand Planning Buscando...
atingir o nível de serviço esperado pelo negócio, adequar os inventários, reduzir os lead-times operacionais, otimizar o fluxo de caixa, garantir a integridade da interface dos processos de Demand Planning e S&OP. 

92 Processo de Previsão de Demanda
 92

93 Demand Planning - Processo
- Coleta de dados estatísticos Preparação e estudo pelo Demand Manager Suporte a Mkt / Business – análise do histórico Gerenciamento de alterações na previsão Cálculo dos indicadores de desempenho S&OP Meeting – só o que interessa e com quem decide! 

94 Demand Planning - KPI                                                                                  94

95 Demand Planning - DICAS !!!!
1- Ter um único conjunto de números. 2- Ferramentas estatísticas 3- Planilhas hierarquizadas por apresentação, famílias, gerências de produto, gerências de MKT e divisões de Negócio. 4- O time de Marketing é responsável pela geração e aprovação final dos volumes de vendas 5- Variações passadas e futuras serão analisadas quando apresentarem variações superiores a 20% e os produtos estratégicos serão analisados mensalmente. 6- Processo de Planejamento de Demanda e S&OP tem periodicidade mensal, sendo os meses M e M+1 firmes. 

96 Demand Planning - DICAS !!!!
. Defina processo, papéis e responsabilidades . Crie ferramente . Tenha base histórica . Busque Comprometimento . Tenha assertividade 

97 Demand Planning - Finalizando
Previsões nunca são 100% corretas. Elas irão variar, é natural e esperado!! 80% - 120% já é um target desafiador! Previsões são mais acuradas para um futuro próximo do que um futuro distante Previsões devem sempre considerar uma estimativa de erros O sucesso deste processo depende do comprometimento e envolvimento de TODOS! 

98 OBRIGADO Luiz Alberto Barberini barberini@ig.com.br
 98

99 BACK UP 99

100 Processo S&OP – Outputs
STOCKS – DAYS IN INVENTORY

101 SL and SFA evolution from 2004 to 2008
Supply Chain – Brazil SL and SFA evolution from 2004 to 2008

102 Net Sales and Inventory evolution from 2004 to 2008
Supply Chain – Brazil Net Sales and Inventory evolution from 2004 to 2008

103 KPI – Sales Forecast Accuracy

104 KPI – Customer Service Level

105 SC SC Supports & Suggests improvements Manage & Execute Capture Data
PSL SRC SSL SAV Manufact. Supplier Procurement Planning / MPS Product Supply Scheduling / MRPII SC Wholesaler Wholesaler DC Sales 3PL Warehouse NyBR POC DCO CSL POS-SL SRC-CD Point of Sale Distribution ISL S&OP Sales Forecast SFA PRO Doctor Marketing Promotion Demand Planning SC Supports & Suggests improvements Manage & Execute Capture Data and have it changed into info Customer / Client

106 This is a short guide to show how our intranet tool works.
LEVEL SELECTION This is a short guide to show how our intranet tool works. Pharma

107 PAST INFORMATION

108

109 Previsão das vendas de sanduíche

110 S&OP Características Típicas S&OP MPS Horizonte de planejamento
12 a 24 meses 2 a 5 meses Período de replanejamento 1 a 2 meses 1 semana Item planejado famílias de produtos produtos finais Participantes do Superintendência, Diretorias Gerências de Manufatura e planejamento de Manufatura, Marketing, Marketing/Vendas Finanças e Engenharia

111 Gestão de demanda e MPS formando um processo integrado

112 Requisitos da boa previsão de vendas
conhecer os mercados, suas necessidades e comportamentos conhecer os produtos e seus usos saber analisar os dados históricos conhecer a concorrência e seu comportamento conhecer as ações da empresa que afetam a demanda formar uma base de dados relevantes para a previsão documentar todas as hipóteses feitas na elaboração da previsão trabalhar com fatos e não apenas opiniões articular diversos setores para a elaboração da previsão

113 Controlando os erros das previsões
Jan Fev Mar Abr Maio Jun 1 Previsão 1000 1200 900 1100 2 Vendas 1350 950 1250 1300 3 Desvio 100 -150 50 -100 4 Desvio absoluto 150 5 Desvio absoluto acumulado 250 300 400 550 650 6 Desvio absoluto médio 125 110 108 Jan Fev Mar Abr Maio Jun 1 Previsão 1000 1200 900 1100 2 Vendas 1350 950 1250 1300 3 Desvio 100 -150 50 -100 4 Desvio acumulado -50 -250 -350 5 Desvio absoluto 150 6 Desvio absoluto acumulado 250 300 400 550 650 7 Desvio absoluto médio 125 110 108 8 Tracking Signal (TS) 1,0 -0,4 0,0 -1,0 -2,3 -3,2

114 Tt = b * (Mt - Mt-1) + (1-b) * Tt-1
Técnica Amortecimento Exponencial Duplo de Holt NÍVEL: Mt = a * Rt + (1-a) * (Mt-1 + Tt-1) TENDÊNCIA: Tt = b * (Mt - Mt-1) + (1-b) * Tt-1 Pt+n = Mt + n * Tt PREVISÃO:

115 Séries com tendência e sazonalidade
Método de Holt-Winters: Amortecimento Exponencial Triplo (Recomendado!) Métodos alternativos: Decomposição Clássica Box e Jenkins Redes Neurais, ...

116 Índices Sazonais Índice sazonal (Sk, k = 1,..,12): peso relativo do mês k em relação a um mês médio. Sk = 1: mês neutro (médio) Sk > 1: mês forte Sk < 1: mês fraco Atenção: Os índices mensais devem somar 12 ! Exemplos:

117 Índices sazonais

118 Amortecimento Exponencial Triplo
Método de Holt-Winter’s: Definido por três amortecimentos: Nível, Tendência e Sazonalidade (índices sazonais). Mt = a * Rt / St-L + (1-a) * (Mt-1 + Tt-1) Valores estimados ao final do processo Tt = b * (Mt - Mt-1) + (1-b) * Tt-1 St = g * Rt / Mt + (1-g) * St-L Pt+n = (Mt + n * Tt ) * St-L+n PREVISÃO:

119 Amortecimento Exponencial Triplo
Mt = 500 Tt = 20 Valores estimados ao final do processo St = (1.20; 0.90; 0.85; 1.05) Pt+1 = ( *20)*1.20 = 624 Pt+2 = ( *20)*0.90 = 486 PREVISÕES: Pt+3 = ( *20)*0.85 = 476 Pt+4 = ( *20)*1.05 = 609

120 Exemplo 110 105 100 95 90 1 2 3 4 5 6 7 Plotar a demanda
Forecast para meses 4, 5 e 6 Melhor Forecast para mês 7 110 105                                         100 95 90 1 2 3 4 5 6 7 120

121 Fronteiras do Supply Chain e Industrial
Demand Planning S & O P FG Warehousing FG Distribution MPS IMPORTS MRP Procurement Supply Chain WAY Antes jan/07 Industrial Production

122 Fronteiras do Supply Chain e Industrial
Demand Planning S & O P FG Warehousing FG Distribution Supply Chain MPS IMPORTS Após jan/07 Industrial MRP Procurement Reporting to SC WAY Production

123 Cenário Planejamento