A previsão da demanda e o bom controle dos estoques

Apresentação em tema: "A previsão da demanda e o bom controle dos estoques"— Transcrição da apresentação:

1 A previsão da demanda e o bom controle dos estoques
Custos que envolvem os estoques A previsão da demanda e o bom controle dos estoques 2º Logística Profª.: Vívian Alves Disciplina: Gerenciamento de Estoques Novembro/2012

2 Custos nos Estoques Custos de obtenção
Preço, custo da manufatura, do produto para vários tamanhos de pedido, de ajuste do processo de produção, processamento de pedido, transmissão do pedido para os pontos de suprimentos, manuseio ou processamento de mercadorias no ponto de recepção. Custos de manutenção de estoques Custo de espaço, custo de capital, custo de serviços ao cliente, custo de risco do estoque. Custos de falta de estoque Custo das vendas perdidas, custo dos pedidos em aberto.

3 Custos nos Estoques

4 Custos nos Estoques COMPONENTES DE CUSTOS Remuneração de Capital
Seguros Informática Comunicação Mão-de-Obra Depreciação Suprimentos

5 Custos nos Estoques Custo de armazenagem = Q/2 x T x P x I
Q = Quantidade de material em estoque no tempo considerado P = Preço unitário do material I = Taxa de armazenamento, expressa geralmente em termos de porcentagem do custo unitário. T = Tempo considerado de armazenagem

6 Custos nos Estoques Taxa de obsolescência
Ie = 100 x perdas anuais por obsolescência/ Valor do estoque Giro de estoque = Custo anual de mercadorias vendidas / Estoque médio em valores monetários Cobertura de estoque = estoque médio (unidades)/ demanda (unidades) Acurácia = quantidade física x 100/ quantidade teórica

7 Previsão de Demanda A previsão é recurso administrativo importante para o planejamento, pois este é feito considerando-se cenários futuros prováveis, para os quais são feitas estimativas do comportamento das principais variáveis que podem afetá-lo. Não se pode fazer nada sem alguma forma de estimativa (ARNOLD, 2006). Estimar a demanda futura de bens e serviços é condição essencial para o planejamento das necessidades de recursos produtivos, financeiros e de materiais necessários para a produção deles (GONÇALVES, 2004).

8 Previsão de Demanda A previsão de demanda é o ponto de partida direto ou indireto para praticamente todas as decisões organizacionais. Ela é um processo racional de busca de informações acerca do valor das vendas futuras de um item ou de um conjunto de itens. Tanto quanto possível ela deverá fornecer também informações sobre qualidade e localização (lugar onde serão necessários) dos produtos no futuro.

9 Previsão de Demanda Prever a demanda é de responsabilidade de vendas e/ou marketing. As previsões não são perfeitas pois existem muitos fatores no ambiente empresarial que não podem ser previstos e controlados com segurança. Quanto maior o período coberto pelo planejamento, menor a precisão com que se pode contar. Mas uma previsão, por mais imperfeita que seja, sempre é necessária.

10 Previsão de Demanda As previsões de demandas dependem de: Disponibilidade de dados, tempo e recursos. Horizonte de previsão - Há métodos mais eficientes para previsões de longo prazo (demandas anuais), enquanto que outros são aplicados para períodos mais curtos, como meses, semanas ou mesmo dias.

11 Previsão de Demanda Devemos ter em conta sempre que os métodos não conduzem a resultados perfeitos e a chance de erro aumento à medida que nos distanciamos da previsão futura. Alguns estudiosos dizem que “as previsões são excelentes para se prever o passado e nos enganar acerca do futuro”. Ironia à parte, as previsões de demanda são feitas desde que se projeta uma indústria ou empresa de serviços e depois, com ela operando, nas correções dos efeitos sazonais

12 Previsão de Demanda Não podemos desconsiderar também a dinâmica e as mudanças dos mercados, que continuadamente nos oferecem uma gama enorme de fatores aleatórios, que nenhuma previsão consegue captar. As previsões são mais precisas para famílias e grupos do que quando abrimos para itens individuais. As previsões são mais precisas para períodos de tempo mais próximos. Assim prever a necessidade do próximo mês é mais seguro do que estimar a do ano seguinte.

13 Então... As características gerais que normalmente estão presentes em todas as técnicas de previsão podem ser assim resumidas: Supõe-se que as causas que influenciaram a demanda passada continuarão a agir no futuro; As previsões não são perfeitas, pois não se é capaz de prever todas as variações aleatórias que ocorrerão; A acuracidade das previsões diminui com o aumento do período de tempo; A previsão para grupos de produtos é mais precisa do que para os produtos individualmente, visto que no grupo os erros individuais de previsão se minimizam.

14 Modelos de Previsão Os modelos de previsão que uma empresa pode adotar depende de uma série de fatores, dentre eles: Horizonte de previsão. Disponibilidade de dados. Precisão necessária. Tamanho do orçamento para previsão. Disponibilidade de pessoal qualificado.

15 Classificação dos métodos de previsão
Os métodos de previsão classificam-se em métodos qualitativos e métodos quantitativos. Métodos Qualitativos Baseados no julgamento de pessoas que tenham condições de opinar sobre as demandas futuras: vendedores, gerentes, clientes, fornecedores, etc. Não se apóiam em nenhum modelo matemático, embora possam ser conduzidos de maneira sistemática. São muito úteis quando da ausência de dados, e também no início de um projeto ou de uma empresa. Ex.: Pesquisa de Mercado, Painel de Consenso, Executivos, Força de Vendas, Analogia Histórica.

16 Classificação dos métodos de previsão
Métodos Quantitativos Quantitativos (ou matemáticos): São baseados em modelos matemáticos e se utilizam de dados diversos e das demandas passadas para se chegar a uma previsão futura. Podem ser: – Simulação (Cenários) – Correlação (Relação de Causa-e-Efeito) – Projeção (Séries Temporais) Métodos causais - A demanda de um item (ou itens) pode estar relacionada com variáveis externas à empresa: crescimento da população (ou de uma classe específica dela), consumo de certos produtos, etc., são fatores indutores da demanda de produtos afins.

17 Classificação dos métodos de previsão
Métodos Quantitativos Séries temporais - A análise de séries temporais exige somente o conhecimento de valores passados da demanda e divide-se em: Média Móvel Simples; Média Móvel Ponderada; Média Ponderada Exponencial. MÉDIA MÓVEL SIMPLES: utilizada quando demanda não apresenta nenhuma característica sazonal e para horizonte de previsão curto. MÉDIA MÓVEL PONDERADA: Cada elemento é ponderado por um fator, no qual a soma de todos os pesos é igual a um. Semelhante a média móvel simples. MÉDIA PONDERADA EXPONENCIAL: Dados pontuais mais recentes têm maior peso, com o peso declinado exponencialmente à medida que esses dados tornam-se ultrapassados.

18 Métodos de previsão Nos cálculos envolvendo média aritmética simples, todas as ocorrências têm exatamente a mesma importância ou o mesmo peso. Dizemos então que elas têm o mesmo peso relativo. No entanto, existem casos onde as ocorrências têm importância relativa diferente. Nestes casos, o cálculo da média deve levar em conta esta importância relativa ou peso relativo. Este tipo de média chama-se média ponderada. Ponderar é sinônimo de pesar. No cálculo da média ponderada, multiplicamos cada valor do conjunto por seu "peso", isto é, sua importância relativa.

19 MÉDIA MÓVEL SIMPLES Utilizada quando demanda não apresenta nenhuma característica sazonal e para horizonte de previsão curto. Utiliza-se um número K de períodos para o cálculo da previsão desejada. Assim teremos o seguinte método para a obtenção da Previsão (Pi) onde i será a posição na sequência de valores: Sendo D a Demanda realizada em um período e K, qualquer inteiro, o número de períodos para o cálculo, Temos Pi = ( D1 + D2 + D ) / k Exemplo: Conhecendo a demanda dos meses abaixo, calcule a previsão de vendas para o mês subsequente, considerando uma média de 5 meses. Meses JAN FEV MAR ABR MAI JUN Demanda 100 110 120 200 150 ? Resolução : para K = 5, temos ( ) / 5 = 136 -> Previsão de Vendas para JUNHO

20 MÉDIA MÓVEL PONDERADA Cada elemento é ponderado por um fator, no qual a soma de todos os pesos é igual a um. Semelhante a média móvel simples. Então para a obtenção da Previsão (Pi), teremos a utilização de fatores (f) para cada Demanda (D), aplicados na ordem inversa das demandas. Então : f1 + f2 + f fn = 1, e a Previsão P será Pi = [ (D1f1) + (D2f2) + (D3f3) (Di-nfn) ] / 1, lembrando que N é o número de períodos e pesos utilizados para o cálculo. Exemplo: Sendo fornecidos os dados de demanda da tabela a seguir, Determine uma previsão por média móvel ponderada, utilizando um peso de 0,40 para o período mais recente, 0,30 para o período anterior, 0,20 para o que precede a este e 0,10 para o primeiro período. Resp.: [(41x0,4) + (40x0,3) + (43x0,2) + 40x0,1)] = 41 (Previsão para o período 6) b) Se a demanda real para o período 6 é de 39 unidades, faça a previsão da demanda para o período 7, utilizando os mesmos pesos do item a. Resp.: [(39x0,4) + (41x0,3) + (40x0,2) + (43x0,1)] = 40,2 (Previsão para o período 7)

21 MÉDIA PONDERADA EXPONENCIAL
Dados pontuais mais recentes têm maior peso, com o peso declinado exponencialmente à medida que esses dados tornam-se ultrapassados. Alpha ( α ) é a constante de ajuste, e determina o nível de ajuste e a velocidade de reação, para diferença entre as previsões e as ocorrências reais. Sua determinação é arbitrária (natureza do produto ou bom senso do gerente). Então a Previsão (Pi) será obtida a partir de Pi = α.Di-1 + ( 1 – α ).Pi-1, onde : α : constante de suavização aplicada à Demanda do período anterior ao desejado; α-1: complemento da constante de suavização, aplicado à Previsão do período anterior ao desejado; Di-1: Demanda do período anterior ao desejado; Pi-1: Previsão do período anterior ao desejado; Lembrando, que 0 <= α <= 1

22 MÉDIA PONDERADA EXPONENCIAL
Exemplo: Demanda relativamente estável e a constante de ajuste igual a 0,05. Previsão para mês anterior (Ft-1) foi de 1050 unidades e que 1000 unidades foi a demanda real. A previsão para este mês será de:  Resolução : P = 0,05x ,95x1050 = 1047,5 Obs.: Quanto maior o valor da constante de ajuste, mais próximo segue a demanda real. Este método esta sempre acima ou abaixo da demanda real.

23 MÉDIA DOS MÍNIMOS QUADRADOS
Método que permite ajuste para aproximar os valores , minimizando as distâncias entre os consumos realizados. Baseia-se na equação da reta e permite traçar tendência realista do que poderá ocorrer. Y = a + bx Temos de calcular valores de a e b. X é a quantidade de períodos analisados.

24 MÉDIA DOS MÍNIMOS QUADRADOS
A empresa fabricante de chocolates “Gostosinho” teve neste ano o seguinte volume de vendas para seu item chocolate com pimenta: abril – 2.500, maio , junho – 2.650, julho – 2.800, agosto – 2.850, setembro – 2.900, outubro – Calcule a demanda para novembro. Períodos Y X X² XY Abr Mai Jun Jul Ago Set Out 2.500 2.200 2.650 2.800 2.850 2.900 3.000 1 2 3 4 5 6 9 16 25 36 5.300 8.400 11.400 14.500 18.000 N = 7 18.900 21 91

25 MÉDIA DOS MÍNIMOS QUADRADOS
Períodos Y X X² XY Abr Mai Jun Jul Ago Set Out 2.500 2.200 2.650 2.800 2.850 2.900 3.000 1 2 3 4 5 6 9 16 25 36 5.300 8.400 11.400 14.500 18.000 N = 7 18.900 21 91 A= 2.367,9 B= 110,7 SY= (n x a) + (SX x b) SXY = (SX x a) + (S X² x b) Y = a + bx = 7a+ 21b = 21a + 91b P MMQ = a + bx

26 MÉDIA DOS MÍNIMOS QUADRADOS
Períodos Y X X² XY Abr Mai Jun Jul Ago Set Out 2.500 2.200 2.650 2.800 2.850 2.900 3.000 1 2 3 4 5 6 9 16 25 36 5.300 8.400 11.400 14.500 18.000 N = 7 18.900 21 91 A= 2.367,9 B= 110,7 P MMQ = a + bx X é a quantidade de períodos analisados. Y = a + bx P MMQ = 2.367,9 + (110,7 x 7) P MMQ = 3.142,8 P MMQ = 3.143

27 ERRO DE PREVISÃO É a diferença entre o valor da demanda prevista e ao que realmente ocorreu. São fontes de erros: Falhas na inclusão de valores corretos; Utilização de relacionamentos errados entre variáveis; Emprego da linha de tendência errada; Localização da demanda sazonal em pontos diferentes de onde ela ocorre; Existência de algumas tendências seculares indeterminadas.

28 Previsão de Sazonalidade
Uma indicação útil do grau de variação sazonal para um produto é o índice sazonal. Trata-se de uma estimativa de quanto a demanda, durante um determinado período, será maior ou menor que a demanda média do produto. Por exemplo, a demanda de trajes de banho pode ter uma média de 100 unidades por mês, mas em janeiro a média é de 175 e, em março de 35. A fórmula do índice sazonal é a seguinte: Índice sazonal = Demanda média para o período dividido pela Demanda média para todos os períodos. O período pode ser diário, semanal, mensal ou trimestral, dependendo da base para a sazonalidade. A demanda média para todos os períodos é um valor que neutraliza a sazonalidade e chama-se demanda desestacionalizada.