Previsões e gestão de demanda em produção e operações

Apresentação em tema: "Previsões e gestão de demanda em produção e operações"— Transcrição da apresentação:

1 Previsões e gestão de demanda em produção e operações
Administração de Produção e Operações Previsões e gestão de demanda em produção e operações

2 GESTÃO DA DEMANDA FERRAMENTAS PARA ANTECIPAR A DEMANDA FUTURA COM ALGUMA PRECISÃO GARANTIR O DESEMPENHO EM CONFIABILIDADE DE ENTREGA PARCELAMENTO DE ENTREGA INCENTIVO A MIX DE PRODUTOS PROMOÇÃO E PROPAGANDA HABILIDADE DE DECIDIR QUAIS CLIENTES SERÃO ATENDIDOS TOTAL OU PARCIALMENTE PESSOAL DE VENDAS E REPRESENTANTES – TRAZER INFORMAÇÕES DOS CLIENTES E DOS MERCADOS

3 PARA DAR SUPORTE AO PROCESSO DECISÓRIO EM OPERAÇÕES !
P0R QUE PREVER? PARA DAR SUPORTE AO PROCESSO DECISÓRIO EM OPERAÇÕES !

4 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“.

5 ERROS FREQUENTES EM PREVISÕES
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.

6 ERROS ESPERADOS CRESCEM COM HORIZONTE

7 EFEITO DA AGREGAÇÃO DOS DADOS
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

8 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% Filé de peixe 1200 1429 19,0% 20,8% MacChicken 1800 1050 41,6% Total 18.000 18.443 2,4%

9 Efeitos dos horizontes e da agregação dos dados nas previsões

10 PREVISÃO COMO PROCESSO
PROJETO E MELHORAMENTO CONTÍNUO DO PROCESSO DE GERAR PREVISÕES INFORMAÇÕES DA CONJUNTURA ECONÔMICA INFORMAÇÕES QUE EXPLIQUEM COMPORTAMENTO ATÍPICO TRATAMENTO QUANTITATIVO DOS DADOS DE VENDAS E OUTRAS VARIÁVEIS DECISÕES DA ÁREA COMERCIAL DADOS HISTÓRICOS DE VENDAS TRATAMENTO QUALITATIVO DAS INFORMAÇÕES OUTRAS INFORMAÇÕES DO MERCADO DADOS DE VARIÁVEIS QUE EXPLIQUEM AS VENDAS INFORMAÇÕES DE CLIENTES REUNIÃO DE PREVISÃO COMPROMENTIMENTO DAS ÁREAS ENVOLVIDAS INFORMAÇÕES DE CONCORRENTES TRATAMENTO DAS INFORMAÇÕES DISPONÍVEIS PREVISÃO DE VENDAS AVALIAÇÃO CRÍTICA DO PROCESSO DE GERAR PREVISÕES

11 PROJEÇÕES LONGO PRAZO: OPINIÃO DE ESPECIALISTAS (CONSENSO)
O FUTURO NÃO GUARDA RELAÇÃO DIRETA COM O PASSADO MÉDIO PRAZO: MODELOS CAUSAIS OU DE EXPLICAÇÃO REGRESSÃO LINEAR MÚLTIPLA MÉDIO PRAZO: O FUTURO TENDE A “REPETIR” O PASSADO NA CORRELAÇÃO DE VARIÁVEIS CURTO PRAZO: TÉCNICA DE SÉRIES TEMPORAIS SIMPLES CURTO PRAZO: O FUTURO TENDE A SER UMA “CONTINUAÇÃO” DO PASSADO

12 TÉCNICAS DE PREVISÃO Técnicas de previsão Quantitativas Qualitativas
INCORPORAÇÃO DO CONSENSO DA OPINIÃO SUBJETIVA DE ESPECIALISTAS Intrínsecas Extrínsecas Método Delphi OPINIÃO DE PEQUENOS GRUPOS – ALTOS EXECUTIVOS Juri de executivos Médias Móveis Regressão simples ESTIMATIVA DESAGREGADA DE VENDEDORES E REPRESENTANTES Força de vendas Suavizamento Exponencial Regressão múltipla SOLICITAÇÃO DIRETA DE INTENÇÃO DE COMPRA FUTURA Pesquisa de mercado Projeção de Tendências IDENTIFICAR PRODUTOS SIMILARES COM DISPONIBILIDADE DE DADOS Analogia histórica Decomposição

13 Abordagem Qualitativa x Quantitativa
“parcela” quantitativa da previsão “parcela” qualitativa da previsão Presença crescente de históricos longos e confiáveis de dados Presença crescente da hipótese de “continuidade” dos padrões de comportamento

14 SÉRIES HISTÓRICAS Tendência Vendas Reais Ciclicidade

15 SÉRIES HISTÓRICAS PERMANÊNCIA TRAJETÓRIA SAZONAL COM PERMANÊNCIA
SAZONAL COM TRAJETÓRIA

16 ADEQUADO PARA SÉRIES HISTÓRICAS DE HIPÓTESE DE PERMANÊNCIA
MÉDIAS MÓVEIS ADEQUADO PARA SÉRIES HISTÓRICAS DE HIPÓTESE DE PERMANÊNCIA VENDAS MM3 MM4 MM6 JANEIRO 89 FEVEREIRO 92 MARÇO 100 ABRIL 107 93,7 MAIO 99,7 97,0 JUNHO 90 98,7 JULHO 87 95,3 96,5 94,5 AGOSTO 93 88,7 93,3 94,2 SETEMBRO 90,0 89,8 94,3 OUTUBRO 110 90,7 90,5 93,0 NOVEMBRO 86 98,3 95,5 93,5 DEZEMBRO 96,0 101,0 98,8 95,8 ( )/3 ( )/3 ( )/3

17 MÉDIAS MÓVEIS REAÇÃO DAS PREVISÕES COM MÉDIA MÓVEL A UMA MUDANÇA DE PATAMAR NAS VENDAS JANEIRO 100 FEVEREIRO MARÇO ABRIL MAIO 100,0 JUNHO JULHO 110 AGOSTO 103 102 101 SETEMBRO 106 105 OUTUBRO 107 NOVEMBRO DEZEMBRO 108

18 MÉDIA MÓVEL DE 3 PERÍODOS PONDERADA COM PESOS 0,2 – 0,3 E 0,5
MÉDIA MÓVEL PONDERADA MÉDIA MÓVEL DE 3 PERÍODOS PONDERADA COM PESOS 0,2 – 0,3 E 0,5 VENDAS PESO JANEIRO 89 FEVEREIRO 92 MARÇO 100 ABRIL 107 95,4 MAIO 101,9 JUNHO 90 96,6 JULHO 87 93,1 AGOSTO 93 88,3 SETEMBRO 90,6 OUTUBRO 110 91,3 NOVEMBRO 86 101,2 DEZEMBRO 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

19 SUAVIZAMENTO EXPONENCIAL
SIMILAR À MÉDIA MÓVEL MODELO MATEMÁTICO PARA 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 1 V t = VALOR DAS VENDAS REAIS NO PERÍODO t P t = PREVISÃO NO PERÍODO t

20 SUAVIZAMENTO EXPONENCIAL
SIMILAR À MÉDIA MÓVEL 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 147,2 Setembro 147,9 Outubro 156 146,5 Novembro 147,4 Dezembro 145 145,0 Pt = α x Vt-1 + (1 – α) x S t-1 (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)

21 SUAVIZAMENTO EXPONENCIAL
Pt = St-1 x Ft St = α x Vt / Ft + (1 – α) x St-1 MODELO MATEMÁTICO PARA HIPÓTESE DE SAZONALIDADE COM PERMANÊNCIA: ONDE: St-2 = VALOR DA PREVISÃO NO PERÍODO t - 2 α = CONSTANTE DE SUAVIZAMENTO – LIMITADA AO INTERVALO 0 E 1 Vt-1 = VALOR DAS VENDAS REAIS NO PERÍODO t-1 Pt = PREVISÃO NO PERÍODO t Ft = FATOR DE SAZONALIDADE

22 SUAVIZAMENTO EXPONENCIAL
Pt = (α x Vt-1 + (1 – α) x S t-1) x Ft Vendas Reais α Reta de Regressão Fator 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 0,93 140,5 Julho 123 149,9 144 0,86 128,3 Agosto 147,2 143 1,08 158,7 Setembro 147,9 142 0,94 139,5 Outubro 156 146,5 141 1,11 161,9 Novembro 147,4 140 0,88 129,3 Dezembro 145,0 139 150,8

23 SUAVIZAMENTO EXPONENCIAL
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 MODELO MATEMÁTICO PARA HIPÓTESE DE TENDÊNCIA: ONDE: Pt = PREVISÃO NO PERÍODO t Pt+n = PREVISÃO NO PERÍODO t+n St = VALOR DA BASE NO PERÍODO t Rt = VALOR DA TAXA DE TENDÊNCIA NO PERÍODO t α = CONSTANTE DE SUAVIZAMENTO DA BASE β = CONSTANTE DE SUAVIZAMENTO DA TENDÊNCIA Vt = VALOR DAS VENDAS REAIS NO PERÍODO t

24 SUAVIZAMENTO EXPONENCIAL
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 MODELO MATEMÁTICO PARA HIPÓTESE SAZONAL COM TENDÊNCIA: ONDE: Pt = PREVISÃO NO PERÍODO t Pt+n = PREVISÃO NO PERÍODO t+n St = VALOR DA BASE NO PERÍODO t Ft = VALOR DO COEFICIENTE DE SAZONALIDADE NO PERÍODO t Rt = VALOR DA TAXA DE TENDÊNCIA NO PERÍODO t α = CONSTANTE DE SUAVIZAMENTO DA BASE β = CONSTANTE DE SUAVIZAMENTO DA TENDÊNCIA Vt = VALOR DAS VENDAS REAIS NO PERÍODO t

25 SUAVIZAMENTO EXPONENCIAL
Pt = ((St-1+ (Rt-1 x (n+1)) x Ft VENDAS REGRESSÃO FATOR DE SAZONALIDADE 1 137 105 1,30 2 55 110 0,50 3 139 115 1,21 4 96 120 0,80 5 163 125 6 78 130 0,60 7 161 135 1,19 8 112 140 9 210 145 1,45 10 90 150 11 189 155 1,22 12 128 160 13 256 165 1,55 14 102 170 15 207 175 1,18 16 144 180 17 259 185 1,40 18 133 190 0,70 19 235 195 1,20 20 200

26 SUAVIZAMENTO EXPONENCIAL
VENDAS REGRESSÃO FATOR DE SAZONALIDADE μ 1 137 105 1,30 1,40 2 55 110 0,50 0,60 3 139 115 1,21 1,20 4 96 120 0,80 5 163 125 6 78 130 7 161 135 1,19 8 112 140 9 210 145 1,45 10 90 150 11 189 155 1,22 12 128 160 13 256 165 1,55 14 102 170 15 207 175 1,18 16 144 180 17 259 185 18 133 190 0,70 19 235 195 20 200 PREVISÃO 21 205 287 22 126 23 215 258 24 220 176 Pt = ((St-1+ (Rt-1 x (n+1)) x Ft

27 ACOMPANHAMENTO DOS ERROS DE PREVISÃO: VIÉS
Vendas Reais Previsão Desvio Desvio Absoluto Desvio Acumulado Desvio Absoluto Acumulado Desvio Absoluto Médio TS - Trackin Signal Janeiro 154 150,0 -4,0 4,0 -1,0 Fevereiro 114 150,4 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 Maio 176 148,9 -27,1 27,1 -16,3 89,1 17,8 -0,9 Junho 134 151,6 17,6 1,3 106,8 0,1 Julho 123 149,9 26,9 28,2 133,6 19,1 1,5 Agosto 147,2 -6,8 6,8 21,4 140,5 1,2 Setembro 147,9 13,9 35,2 154,3 17,1 2,1 Outubro 156 146,5 -9,5 9,5 25,7 163,8 16,4 Novembro 147,4 24,4 50,1 188,3 2,9 Dezembro 145 145,0 0,0 15,7 3,2

28 LIMITES PARA “TRACKING SIGNAL”

29 Acompanhamento da magnitude dos erros

30 PROJEÇÕES COM TENDÊNCIA

31 PROJEÇÕES COM TENDÊNCIA
Y = 1,8048x + 132,81

32 CONSIDERAÇÃO DE CICLICIDADES
VENDAS RETA DE TENDÊNCIA 2007 2008 2009 2010 Janeiro 112 146 199 134,6 156,3 177,9 199,6 Fevereiro 113 175 136,4 158,1 179,7 201,4 Março 122 92 88 138,2 159,9 181,5 203,2 Abril 125 160 140,0 161,7 183,3 205,0 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 235 275 147,2 168,9 190,6 212,2 Setembro 60 90 149,1 170,7 192,4 214,0 Outubro 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 0,468 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 2010 191,9 185,2 131,6 170,4 196,5 208,0 200,1 313,4 113,1 128,8 259,0 427,9 112 / 134,6 199,6 * 0,962 HISTÓRICO FUTURO