1

DISCIPLINA: ADMINISTRAO DE PRODUO E OPERAES III

NOME:RGM

CURSO: ADMINISTRAO DE EMPRESAS

TURMA ANO: 2011/2







2


Disciplina: Administrao de Produo e Operaes III

Bibliografia: Administrao de Produo - Slack e outros - Atlas,
Administrao de Materiais - 1.R. Tony Arnold - Atlas e Administrao de
Materiais - Marco Aurlio P. Dias - editora Atlas.

Introduo
A administrao de produo trata a maneira pela qual as organizaes produzem bens
e servios. Tudo o que voc consome e usa, na pratica so provenientes da produo. O
proposito deste estudo e demonstrar como gerenciar essa produo de maneira eIicaz e
eIiciente.
Nesse contexto podemos destacar alguns aspectos importantes como:
- Como acontece a administrao da produo nas organizaes;
- A posio da Iuno produo na estrutura de uma organizao;
- Toda produo enquadra-se no modelo de entrada - transformao - sada, sempre
com o proposito de agregar valor ao produto Iinal dessa transIormao.
A Iuno produo nas organizaes e parte Iundamental porque produz os bens e
servios que so a razo de sua existncia.

Modelo de transformao
Qualquer operao que produz bens ou servios, ou os dois, se Iaz por um processo de
transformao. Para a transIormao torna-se necessario o uso de recursos para mudar
o estado ou condio de algo para produzir as saidas, isto e, o produto e/ou servio ja
transIormado.


Planejamento e Controle de produo

O Iluxo de trabalho em cada centro de trabalho deve ser planejado para cumprir datas
de entrega, e controlada para que os resultados sejam atingidos.
Garantir que os materiais, as Ierramentas, o pessoal e as inIormaes necessarias
estejam disponiveis para produzir quando necessario.
Programar as datas de inicio e Iinalizao para cada pedido por encomenda em cada
centro de trabalho, de modo que a data programada para a Iinalizao do pedido possa
ser cumprida. Isso obriga o planejador a desenvolver um perIil de carga para os centros
de trabalho.
A programao de produo e tradicionalmente uma responsabilidade da manuIatura,
ou operao, mas tem impacto signiIicativo nos objetivos logisticos, portanto cada dia
mais e mais, torna-se parte das responsabilidades do pessoal de logistica.
O problema da programao de produo nas organizaes e determinar:
Quando?
Onde?
Quanto produzir?
A programao de chegada de materiais para o processo produtivo, pode aIetar a
eIicincia com que este e executado.
Esta se tornando comum o executivo de logistica especiIicar os requisitos globais de
produtos para atender a demanda.
Responsabilidade da manuIatura
- Criar os produtos nas quantidades e locais que minimizem custos;
- Providenciar recursos de equipamentos e mo de obra para atender o item anterior.




Conceitos bsicos em programao de produo

1 - Entradas
- Estimativa de demanda presente e Iutura
- A diIerena entre as necessidades (demanda) e o estoque, indica as necessidades de
suprimentos.
- O nivel de demanda e obtido atraves da carteira de pedidos e/ou das previses
- As projees em geral, planejam-se de a 12 meses.

2 - Lista de materiais

E a lista detalhada de materia prima e componentes que compem o produto.
O departamento de Engenharia e responsavel pela elaborao dessas listas, bem como a
atualizao das mesmas.

3 - Tempos de carncia (lead times)

- Considerar o tempo dos Iornecedores e da manuIatura dos produtos
- A eIicacia dos programas de produo, esto ligados a preciso que podem ser
estimados esses tempos.

4 - Custos
- Custos para liberar pedidos de suprimento para Iornecedores externos
- Custos de parada de produo devido, a atrasos no Iornecimento de materia primas e
componentes
- Custos de manuteno de estoque, quando os pedidos chegam antes de sua real
necessidade.

A previso de demanda, a lista de materiais os tempos de carncia e os custos so os
dados basicos para construir um programa de produo
A programao de produo agregada sincroniza entradas (materiais) de Iorma que as
necessidades de saidas (produtos) possam ser atendidas.

Mtodo de programao agregada

O metodo usado para a programao de produo depende das caracteristicas da
demanda ( constante, sazonal ou irregular) e da natureza da produo (intermitente,
continua ou de uma unica unidade).

Metodo de barras ou de Gantt, desenvolvido por H. L. Gantt em 1917, e um recurso que
atraves de um cronograma pode-se estabelecer um programa de produo, e o que
veremos com mais detalhes logo a seguir.
Existem outros metodos mais soIisticados com CPM (metodo do caminho critico), o
PERT ( tecnica de avaliao e reviso de projetos).
EnIim todos esses metodos reconhecem que, algumas atividades so podem ser
executadas apos o termino de outras.
Algumas delas so menos dependentes da seqncia e existe portanto maior liberdade
quanto a sua programao.
Voltando no metodo de Gantt, o seu graIico deixa claro que:



- Quando, os materiais devem estar disponiveis
- Quando, determinada mo de obra deve estar disponivel para a tareIa.
- Os pedidos de materiais podem ser liberados com antecipao equivalente ao seu
tempo de ressuprimento.

Deve-se preparar um graIico para cada produto, a quantidade de materiais pode ser
calculada com o emprego da lista de materiais.
Exemplo de graIico de Gantt simpliIicado para o planejamento logistico e de produo
da construo de casas.

Incluir graIico.
rfico de antt: com um graIico de barras e possivel acompanhar tareIas de projetos ou de
produo.








Lead time de fabricao ( Manufacturing lead time - MLT )

O MLT e o tempo exigido para produo de um item numa quantidade tipica do lote.
Geralmente o MLT consiste em cinco elementos:
1 Tempo de Iila, a quantidade de tempo que o trabalho Iica esperando no centro de
trabalho antes que a operao seja iniciada.
2 Tempo de preparao, o tempo necessario para preparar o centro de trabalho para a
operao.
- Tempo de operao, tempo necessario para produzir o pedido.
Tempo de espera, tempo que Iica aguardando para ser transportado para o outro
centro de trabalho.
5 Tempo de transporte, tempo de trnsito entre os centros de trabalho.

O MLT total sera a soma de todos esses tempos.

Exemplo 1
Um pedido de 100 unidades esta sendo processado nos centros de trabalho A e B. O
tempo de preparao em A e de 0 minutos, e o tempo de operao e de 10 minutos por
pea. O tempo de preparao de B e de 50 minutos, e o tempo de operao e de 5
minutos por pea O tempo de espera entre os dois centros de trabalho e de horas. O
tempo de transporte entre A e B e de 10 minutos. O tempo de espera depois da
operao B e de horas. O tempo de transporte entre B as lojas e de 15 minutos. No
existe Iila em nenhuma das duas estaes de trabalho. Calcule o MLT total para o
pedido e construa o graIico de Gantt, considerando 8 horas de trabalho diario.



5


Soluo:
Tempo de operao em A 0 (100 x 10 ) 100 minutos
Tempo de espera 20 minutos
Tempo de transporte de A para B 10 minutos
Tempo de operao em B 50 ( 100 x 5 ) 550 minutos
Tempo de espera 20 minutos
Tempo de transporte de B ate as lojas 15 minutos

MLT Total 2085 minutos horas e 5 minutos


Exemplo 2
Idem o exercicio 1 para um pedido de 250 unidades e o tempo da operao A de 8
minutos por pea e o tempo de operao B de 12 minutos por pea.











MRP - (Material Requeriments Planning) - Clculo de necessidades de materiais.

O maior problema da programao de produo e ter muitos produtos Ieitos no mesmo
local.
Determinados materiais e componentes podem ser usados em diversos produtos.
O problema e deIinir as quantidades necessarias de materiais e quando estes sero
necessarios para garantir que o produto seja produzido nas datas planejadas.
A manuteno de estoque de materiais para suprir o processo produtivo e o controle de
seu nivel, atraves de tecnicas estatisticas, so Iormas de atacar o problema.
A demanda do produto pode ser desconhecida ento devera ser prevista.
Apos a determinao de sua demanda Iutura, periodo a periodo, as demandas por
materiais da composio do produto podem ser calculadas.
Ajustes mais preciso na liberao das ordens de compra e de produo, de Iorma que os
materiais cheguem apenas quando Iorem necessarios.

O metodo de programao baseado na demanda e chamado de clculo das
necessidades que ja Ioi usado a muitos anos por alguns programadores de produo,
mas sua crescente popularidade deve-se a disponibilidade de programas de computador,
que so capazes de manipular grandes volumes de dados requeridos para a grande
variedade de peas nos produtos mais complexos.








Interface entre produo e logstica

O metodo do calculo das necessidades (MRP) demonstra claramente o impacto da
programao de produo na seqncia do Iluxo dos produtos e nos niveis de estoque
necessarios para atender a demanda.
A IilosoIia do JUST IN TIME no sistema MRP aIeta diretamente a qualidade das
aquisies; pois exige mais qualidade dos Iornecedores. O sistema vai detectar
Iacilmente os Iornecedores que no atendem a qualidade e prazos.

Alternativa do uso do KANBAN
O exemplo mais Iamoso do uso do Kanban, que signiIica carto e o usado na Toyota
japonesa. E basicamente um sistema de puxar estoques.
Se, e um sistema de puxar estoques, como o Kanban consegue reduzir os estoques ?
A resposta esta em como usa-lo, que veremos abaixo algumas recomendaes para o
Kanban ter sucesso:
1 Quantidades de produo devem ser mais ou menos estaveis e previsiveis.
2 Procurar produzir todo o produto diariamente, ao inves de gerar grandes lotes para
um mesmo item.
Os tempos de preparao (setup) devem ser muito pequenos
Previso de materias primas em tempos curtos e com pouca incerteza.
5 Os Iornecedores devem estar proximos a Iabrica, reduzindo assim o tempo de
ressuprimento e Iornecendo em pequenos lotes.
Com o sistema de carto, quando acaba um material, o mesmo e enviado ao
Iornecedor para rep-lo.
Com o cumprimento dessas recomendaes os estoques acabam sendo muito pequenos.


Para Iacilitar o entendimento do conceito do calculo das necessidades, considere as
aplicaes a seguir:




1- A Colonial Clocks, produz e distribui atraves de catalogo uma linha de relogios.
Dois modelos de relogios, o M 21 e K , usam o mesmo mecanismo de codigo
R 10. Como os mecanismos desgastam com o tempo, ou quebram, ha uma
demanda independente de reposio de 100 unidades semanais.
Os relogios M 21 e K so montados pela Colonial Clocks em lotes minimos de
produo e os mecanismos dos relogios, so comprados de um Iornecedor externo.
A demanda estima para os relogios M 21 e K para as proximas 8 semanas esto
na tabela abaixo:

Semanas 1 2 5 7 8
M 21 200 200 200 200 200 200 200 200
K 100 150 120 150 100 90 110 120

Outras inIormaes:
Relgio modelo M 21
Lote minimo de produo 00 unidades
Tempo de produo de um lote 1 semana
7


Estoque disponivel 500 unidades
Recebimentos de montagem programados 00 unidades na 2 semana
Relgio modelo K 36
Lote minimo de produo 50 unidades
Tempo de produo de um lote 2 semanas
Estoque disponivel 00 unidades
Recebimentos programados zero
Mecanismo de relgio R 1063
Lote minimo de compras 1000 unidades
Tempo de reposio pelo Iornecedor 2 semanas
Estoque disponivel 900 unidades
Demanda de mecanismo para reposio 100 unidades/ semana.
Estoque minimo de segurana 200 unidades.
Pergunta-se: Em que datas devem ser liberadas as ordens de compra para o
mecanismos?


2 Com base no exercicio anterior, como deveriam ser as ordens de compra para as
seguintes situaes:
A Se Iosse colocado um pedido adicional de 00 relogio M 21 para ser entregue na
semana ?
B Se o Iornecedor de mecanismo inIormasse a Colonial Clock que as entregas sero
Ieitas em trs semanas?
C Se as incertezas na demanda e nos tempos de carncia Iossem tais que exigissem
um estoque de segurana de 00 unidades dos mecanismos dos relogios?
Um Iabricante de mesa, oIerece a linha de mesas para caIe produzidas a partir de um
projeto basico. Os tampos so todos Ieitos de compensado, com bordas arredondadas ou
quadradas.
As mesas com tampos com bordas arredondadas podem ser vendidas com pernas de
estilo A ou B.
As previses de vendas (demanda) para as trs opes esto por semana na tabela
abaixo:
Mesas com tampos : 1 sem 2 sem sem sem 5 sem sem 7 8
Bordas quadradas 75 75 100 100 125 100 100 75
Bordas arredondadas
com pernas estilo A
0 0 0 0 0 50 0 0
Bordas arredondadas
com pernas estilo B
50 0 50 0 0 0 0 20

Informaes adicionais

Mesa de bordas quadradas
Lote minimo de produo 150 unidades
Tempo para produzir um lote 1 semana
Estoque disponivel zero
Entregas programadas pela produo 100 na 1 semana

Mesa com bordas arredondadas com pernas estilo A
Lote minimo de produo 50 unidades
Tempo minimo de produo 1 semana
8


Estoque disponivel 0 unidades
Entregas programada pela produo zero

Mesa com bordas arredondadas com pernas estilo B
Lote minimo de produo 50 unidades
Tempo minimo de produo 1 semana
Estoque disponivel 100 unidades
Entrega programada pela produo zero


Folhas de compensado
Lote minimo de compra 500 Iolhas
Tempo para atendimento do pedido 2 semanas
Estoque de segurana 100 Iolhas
Estoque disponivel 00 Iolhas.
Entrega programada 10 Iolhas para a 2 semana

Monte um programa de liberao de pedidos de compra para as Iolhas de compensado
para as 8 semanas.


Questionario 1: introduo ao PCP ( individual) entregar
1 Quais so os elementos que constituem o MLT?
2 Explique o calculo das necessidades de materiais.
Porque o metodo JIT exige mais qualidade dos Iornecedores?
Explique o metodo Kanban
5 Quais so as recomendaes para o kanban ter sucesso?

Exerccio 1: (individual) entregar

Um Iabricante de moveis, oIerece a linha de cadeiras universitarias produzidas a partir
de um projeto basico. Os tampos de apoio para escrever so todos Ieitos de
compensado, com bordas arredondadas ou quadradas.
As cadeiras com tampos com bordas arredondadas podem ser produzidas para destros e
canhotos, ja as de bordas quadradas so produzidas somente para destros.
As previses de vendas (demanda) para as trs opes esto por semana na tabela
abaixo:
Cadeiras com tampos
:
1 sem 2 sem sem sem 5 sem sem 7 8
Bordas quadradas 250 275 200 200 25 00 200 175
Bordas arredondadas
Para destros
10 00 50 00 0 250 20 10
Bordas arredondadas
Para canhotos
0 0 50 0 5 0 0 0

Informaes adicionais

Cadeiras de bordas quadradas
Lote minimo de produo 50 unidades
9


Tempo para produzir um lote 1 semana
Estoque disponivel zero
Entregas programadas pela produo 50 na 1 semana

Cadeiras com bordas arredondadas para destros
Lote minimo de produo 50 unidades
Tempo minimo de produo 1 semana
Estoque disponivel 200 unidades
Entregas programada pela produo zero

Cadeiras com bordas arredondadas para canhotos
Lote minimo de produo 250 unidades
Tempo minimo de produo 1 semana
Estoque disponivel 50 unidades
Entrega programada pela produo zero


Folhas de compensado ( as folhas so compradas sob medida - uma folha para
cada cadeira).
Lote minimo de compra 800 Iolhas
Tempo para atendimento do pedido 2 semanas
Estoque de segurana 200 Iolhas
Estoque disponivel 2000 Iolhas.
Entrega programada 100 Iolhas para a 1 semana

Monte um programa de liberao de pedidos de compra para as Iolhas de compensado
para as 8 semanas.























10


PREVISO DE DEMANDA

ReIerncia: Manual de Planejamento e Controle de Produo
Dalvio Ferrari Tubino, 2 ed. Atlas, 2000.

1 - Introduo
A previso da demanda e a base para o planejamento estrategico da produo, vendas,
Iinanas de qualquer empresa. Partindo desse ponto, as empresas podem desenvolver os
planos de capacidade, do Iluxo de caixa, de vendas, de produo e estoques, de mo de
obra, de compras, etc.
As previses de demanda so usadas pelo PCP para planejar os recursos necessarios
para o sistema produtivo e posteriormente para planejar o uso desses recursos.
A responsabilidade pela preparao da previso da demanda normalmente e do setor de
Marketing ou de Vendas, mas o PCP e o principal interessado, pois, a previso da
demanda e a principal inIormao empregada pelo PCP na elaborao de suas
atividades, e aIeta de Iorma direta o desempenho esperado de suas Iunes de
planejamento e controle do sistema produtivo.

2 - Etapas de um modelo de previso de demanda
Um modelo de previso de demanda pode ser dividido em 5 etapas basicas que so:
- Objetivo do modelo
- Coleta e anlise dos dados
- Seleo tcnica de previso
- Obteno das previses, e
- Monitoramento do modelo.

A etapa do objetivo do modelo, consiste em deIinir a razo pela qual necessita-se de
previses. Que produto ( ou Iamilias de produtos) sera previsto, com que grau de
preciso e detalhes, que recursos estaro disponiveis para essa previso. Itens pouco
signiIicativos podem ser previstos com maior margem de erro, ento emprega-se
tecnicas mais simples.
A etapa de coleta e anlise dos dados, envolve a analise dos dados historicos do
produto, no sentido de identiIicar e desenvolver a tecnica de previso que melhor se
adapte. Alguns cuidados basicos devem ser tomados na coleta e analise dos dados, que
podemos destacar:
- quanto mais dados historicos Iorem coletados e analisados, mais conIiavel a tecnica
de previso sera,
- os dados devem ser baseados nas demandas passadas e no nas vendas do produto.
- variaes extraordinarias da demanda como promoes especiais ou greves, devem ser
analisadas e substituidas por valores medios, compativeis com o comportamento normal
da demanda,
- o tamanho do periodo de consolidao dos dados, tem inIluncia direta na escolha da
tecnica de previso mais adequada.
O graIico abaixo representa duas periodicidades diIerentes ( A e B ) para dados
idnticos. O graIico A Ioi obtidos com dados mensais, enquanto o graIico B com dados
trimestrais da mesma demanda. Podemos observar que no graIico A da para notar uma
certa sazonalidade associada a demanda e tambem no ms de setembro a demanda no
seguiu o padro esperado, estando muito acima da media, o que deve ser motivo de
investigao detalhada.

11


A Iigura 1 representa o graIico de periodicidades diIerentes para uma mesma demanda.








A proxima etapa agora e a seleo da tcnica apropriada de previso. Em geral
existem tecnicas qualitativas e quantitativas.
Para a escolha de uma tecnica_, devemos avaliar quanto estamos dispostos a gastar no
modelo de previso e quanto custa o erro decorrente de uma previso inadequada.
Alguns Iatores de destaque na escolha da tecnica de previso so:
- disponibilidade de dados historicos,
- disponibilidade de recursos computacionais,
- experincia passada com a aplicao determinada tecnica,
- disponibilidade de tempo para coletar, analisar e preparar os dados e a previso,
- periodo de planejamento para a qual necessita-se da previso.

3- Tcnicas de previso
3.1 - Previses baseadas em sries temporais
As previses baseadas em series temporais partem do principio de que a demanda Iutura
sera um projeo de seus valores passados, no soIrendo inIluncia de outras variaveis.
Uma curva temporal de previso pode conter tendncia, sazonalidade, variaes
irregulares e variaes randmicas (aleatorias ou normais).

O graIico da Iigura 2 mostra as variaes da demanda em Iuno do tempo com
inIluncias das sazonalidade, variao randmica, variao irregular e tendncia.













Tcnicas para previso da mdia
Normalmente, dados historicos contm componentes randmicos, ou interIerncias, que
diIicultam a obteno da previso precisa da demanda. Para minimizar essas variaes
utiliza-se as tecnicas de previso media que procuram privilegiar os dados mais recentes
da serie historica da demanda, que normalmente representam melhor a situao atual.
As tecnicas de previso para a media mais empregadas so a media movel e a media
exponencial movel, que veremos a seguir:

12


Mdia mvel
A media movel usa dados de um numero pre-determinado de periodos, normalmente os
mais recentes para gerar sua previso. A cada periodo de previso se substitui o dado
mais antigo pelo mais recente. A media movel pode ser obtida a partir da seguinte
equao:

M m,n

Onde:
Mm,n media movel de n periodos;
Di demanda ocorrida no periodo i;
n numero de periodos;
i indice do periodo ( i 1,2,,..).
Exemplo: 1
Para ilustrar a aplicao da media movel, vamos admitir que nos ultimos seis meses a
demanda de um determinado produto Ioi a seguinte:

Periodo Jan Fev Mar Abr Mai jun
Demanda 0 50 5 50 5 70

A media movel de trs periodos para o ms de julho sera:
Mm, ( 50 5 70 ) / 55.
Admitindo que em julho a demanda real Ioi de 0 unidades, a nova previso para agosto
sera:
Mm , ( 5 70 0 ) / 58,

Podemos agora reIazer o exercicio anterior com o numero de periodos igual a 5 e vamos
notar que quando utiliza-se periodos mais longo a media e mais homognea.
Mm.5 ( 50 5 50 5 70 ) / 5 52

Outra alternativa e ponderar a importncia relativa dos periodos empregados na
previso, atribuindo pesos diIerentes. Normalmente quando se opta por essa soluo,
pondera-se com pesos maiores os dados mais recentes. Ainda para o exemplo anterior
vamos atribuir peso de 50 para a demanda mais recente, 0 para a do meio e 20
para a mais antiga. A soma das ponderaes tem que ser igual a 1. A previso para julho
Iicaria 58,50 calculada assim:
Mm, 50 x 0,2 5 x 0, 70 x 0,5 58,50.

A grande vantagem do uso da media movel para as previses e a sua simplicidade
operacional e Iacilidade de entendimento, porem requer a necessidade de armazenar um
grande volume de dados. Recomenda-se o uso da media movel em situaes em que a
demanda apresentar comportamento estavel e o produto no Ior muito relevante.
1


Exercicios:
1 - Calcular a media movel para as demandas das tabelas, considerando periodos de
meses, 5 meses e meses com ponderao de 55 para o ultimo ms, 25 para o ms
do meio e 20 para o ms mais antigo.

a -
Periodo Jan Fev Mar Abr Mai jun
Demanda 8 25 0 2 5 52










b -
Periodo Jan Fev Mar Abr Mai jun
Demanda 75 85 90 95 85 75















Mdia exponencial mvel

Na media exponencial movel, o peso de cada observao descreve no tempo em
progresso geometrica, ou de Iorma exponencial. Cada nova previso e obtida com
base na anterior, corrigido por um coeIiciente de ponderao e e expressa atraves da
equao:

Mt Mt-1 u ( Dt-1 - Mt-1 )

Onde:
Mt previso para o periodo t;
Mt-l previso para o periodo t-1
u coeIiciente de ponderao
Dt-1 demanda do periodo t-1.
1


O coeIiciente de ponderao u e Iixado pelo analista dentro de uma Iaixa que varia entre
0 e 1. Quanto maior Ior seu valor, mais rapidamente o modelo de previso reagira a
uma variao real da demanda. Os valores normalmente usados para u variam de 0,05 a
0,50. Atraves de simulaes os valores de u podem ser ajustados de maneira a reduzir o
erro de previso.
Por exemplo, supondo que a previso anterior Ioi de 100 unidades e que o valor real
atingiu 110 unidades, para um valor de u 0,1, a proxima previso seria:

Mt 100 0,1 ( 110 - 100 ) 101

Ou seja, 10 do erro cometido Ioi embutido na proxima previso. Agora, se o valor de
u 0,05, a previso passaria para;

Mt 100 0,05 ( 110 - 100 ) 100,5.

Vamos agora para um exemplo mais completo, com varios periodos e ilustrao graIica
da questo:
Admitindo que as demandas nos ultimos 10 periodos tiveram o seguinte
comportamento:
Periodo 1 2 5 7 8 9 10
Demanda 90 95 98 90 92 95 90 100 92 95

Empregar a media exponencial movel para prever a demanda do periodo 11, utilizando
u 0,10 e u 0,50
Soluo:
u 0,10 u 0,10 u 0,50 u 0,50
Periodo Demanda Previso Erro Previso Erro
1 90
2 95
98
90
5 92
95
7 90
8 100
9 92
10 95
11



Os resultados das duas previses esto na tabela e os graIicos correspondentes a
demanda real e as duas previses so mostrados na Iigura . ConIorme podemos notar,
a previso empregando u 0,10 Iornece uma curva de previso mais suave, no
reIletindo de Iorma imediata as alteraes bruscas na demanda, o que, por outro lado,
pode ser interessante em termos de estabilizar um programa de produo, porem, por
outro, pode retardar o movimento em direo a um novo patamar de demanda.

Figura : GraIicos da demanda real, demanda prevista para u 0,10 e demanda
prevista para u 0,50.

15








Exercicio:
Admitindo que as demandas de um produto A nos ultimos 8 periodos Iormam conIorme
mostra a tabela absixo:
Periodo 1 2 5 7 8
Demanda 50 0 58 2 55 8 70

Prever a demanda para o 9 periodo atraves da media exponencial movel, considerando
o coeIiciente de ponderao u 0,0. Apos construir em um unico graIico para para a
demanda prevista e real para os periodos.

Periodo Demanda Previso Erro
1 50
2 0
58
5
5 55

7 8
8 70
9

GraIico:










Trabalho: Pesquisa sobre a funo: Planejamento e Controle de Produo (PCP).
Atividade individual
1 - InIormaes sobre a organizao: segmento, produtos/servios, clientes,
Iornecedores, etc
2 - Demanda ( Como obtem?)
- Como e o processo do PCP ( quais so as entradas, as saidas, os recursos, os
metodos, e os indicadores de desempenho.
- Concluso
A concluso devera responder ao objetivo que trata-se do conhecimento da Iuno PCP
da organizao.



1


Tcnicas para a previso da tendncia

A tendncia reIere-se ao movimento gradual de longo prazo da demanda, que pode ser
representado atraves de uma equao matematica. Essa equao pode ser linear ou no
linear. Vamos agora restringir nosso estudo para a tendncia linear em decorrncia de
sua maior aplicabilidade.
A equao linear e expressa:

y a bx,
onde:
y previso da demanda para o periodo x
x periodo para a previso (partindo de x 0)
a ponto que a reta intercepta o eixo das ordenadas ( coeIiciente linear);
b coeIiciente angular ( tangente do ngulo que a reta Iaz com o eixo das abscissas).

Os coeIicientes a e b podem ser obtidos atraves das equaes:


b n. (_x.y) - (_x) . (_y) / n. (_ x2) - (_x)2

a _y - b _x / n onde: n numero de periodos

Exemplo: Um produto B apresentou nas ultimas 8 semanas
os valores de demanda conIorme tabela abaixo. Fazer a previso da demanda para as
semanas 9 e 10 usando as tecnicas para a previso da tendncia linear e construir o
graIico para a demanda real e a previso de demanda.

Semana ( x) Demanda ( y ) x2 x.y
1 50
2 0
70
80
5 50
500
7 520
8 50
_ x _ y _ x2 _ x.y














17











Exercicio 1: Um produto C apresentou nas ultimas 10 semanas
os valores de demanda conIorme tabela abaixo. Fazer a previso da demanda para as
semanas 11 e 12 usando as tecnicas para a previso da tendncia linear e construir o
graIico para a demanda real e a previso de demanda.

Semana ( x) Demanda ( y ) X2 x.y
1
2

8
5
50
7 51
8 5
9 5
10 0
_ x _ y _ x2 _ x.y

























18


PREVISES DE DEMANDAS BASEADAS EM CORRELAES

As previses de demandas baseadas em correlaes buscam prever a demanda de
determinado produto com base na previso de outra variavel que esteja relacionada com
o produto. Por exemplo a demanda de sabo em po pode estar relacionada com a
vendas de maquinas de lavar roupa.
Quando a variao de uma grandeza (demanda) varia em relao a outra grandeza
podemos dizer que existe uma correlao. Se essa variao Ior linear, dizemos que a
correlao e linear e obedece a equao de uma reta, que e expressa por:
y a b.x, sendo que os coeIicientes a e b podem ser calculados pelas Iormulas ja
vistas.

b n. (_x.y) - (_x) . (_y) / n. (_ x2) - (_x)2

a _y - b _x / n onde: n numero de periodos


Exemplo:
Uma cadeia de Iast Iood veriIicou que as vendas mensais de reIeies em suas casas
esto relacionadas ao numero de alunos matriculados em escolas situadas num raio de 2
km em torno da casa. Os dados reIerentes as vendas mensais e o numero de alunos
matriculados num raio de 2 km das 1 casas da cadeia esto apresentados na tabela
abaixo. A empresa pretende instalar uma nova casa numa regio onde o numero de
alunos e de 1750. Qual e a previso de demanda para essa nova casa?

Vendas por casa
Y ( mil )
Numero de
alunos X (mil)
X. Y 2
Y
2
X
1,5 10,00 1,0 99,0 100,00
8,00 12,00
25,25 8,00
7,20 15,00
22,00 ,50
,20 11,00
5,10 1,50
2,0 10,10
29,00 9,20
0,90 1,0
0,00 12,70
2,20 7,0
1,00 1,10
Y 50,71 _ Y 1,10 _ X.Y 522,8 _Y2 11,82 _X2 1,7

Temos, os seguintes valores para dos coeIicientes a e b, aplicando as Iormulas:

b 2,99 e a 1,757 logo, a equao da reta Iica Y 1,757 2,99. X

Para o numero de alunos X 1750 ou 1,75 mil a demanda prevista sera :

Y 1,757 2,99 . 1,75 2,89 ou .89 reIeies

Exercicio: Idem ao exemplo acima somente com novos valores.
19


TECNICAS PARA PREVISO DA SAZONALIDADE

A sazonalidade caracteriza-se pela ocorrncia de variaes, para cima e para baixo, a
intervalos regulares nas series temporais de demanda. O periodo de ocorrncia da
sazonalidade pode ser anual, mensal, semanal ou ate diario.
A Iorma mais simples de considerar a sazonalidade nas previses de demanda consiste
em empregar o ultimo dado da demanda, no periodo sazonal em questo, e assumi-lo
como previso. Por exemplo, a demanda por agasalhos de Irio em julho deste ano seria
igual a demanda de julho do ano passado . Se existir tendncia, ela devera ser
adicionada ou retirada, do valor obtido. Porem, a Iorma mais usual de incluso da
sazonalidade nas previses da demanda consiste em obter o indice de sazonalidade para
os diversos periodos, empregando a media movel centrada, e aplica-los sobre o valor
medio ( ou tendncia) previsto para o periodo em questo.
O indice de sazonalidade e obtido dividindo-se o valor da demanda no periodo pela
media movel centrada neste periodo. O periodo empregado para o calculo da media
movel e o ciclo da sazonalidade. Quando se dispe de dados suIicientes, calcula-se
varios indices para cada periodo e tira-se uma media.

Exemplo: Na tabela abaixo esto os valores da demanda diaria por reIeies em um
restaurante, durante trs semanas. Com o era de se esperar, nos Iins de semana a
demanda aumenta. Calcular o indice da sazonalidade para cada dia da semana.

Dia da semana Demanda Media movel centrada Indice
Segunda 50
Tera 55
Quarta 52
Quinta 5 /7 ,28 5/,28 0,88
Sexta 5 8/7 5/ 1,01
Sabado 80 /7 ,28 80/,28 1,2
Domingo 85 9/7 ,1 85/,1 1,2
Segunda 55 /7 ,28 55/,28 0,8
Tera 50 8/7 50/ 0,78
Quarta 58 /7 ,28 58/,28 0,91
Quinta 50 8/7 2,57 50/2,57 0,79
Sexta 70 5/7 2,1 70/2,1 1,12
Sabado 75 ,5/7 2,1 75/2,1 1,20
Domingo 80 1/7 1,57 80/1,57 1,29
Segunda 52 1/7 52/ 0,82
Tera 50 /7 2,28 50/2,28 0,80
Quarta 5 /7 ,71 5/,71 0,8
Quinta 0 5/7 5,1 0/5,1 0,92
Sexta 5 5/7 ,85 5/,85 1,00
Sabado 85 57/7 5,28 85/5,28 1,0
Domingo 90 58/7 5,2 90/5,2 1,7
Segunda 50
Tera 5
Quarta 55

Com os valores da tabela podemos calcular o indice de sazonalidade para cada dia da
semana como a media dos indices encontrados.

20


I( segunda) ( 0,8 0,82 ) / 2 0,8
I ( tera ) ( 0,78 0,80 ) / 2 0,79
I ( quarta ) (0,91 0,8 ) / 2 0,87
I ( quinta ) ( 0,88 0,79 0,92 ) / 0,8
I (sexta ) ( 1,01 1,12 1,00 ) / 1,0
I (sabado ) (1,2 1,20 1,0 ) / 1,25
I ( domingo ) ( 1,2 1,29 1,7 ) / 1,2.

Com base nesses indices podemos Iazer a previso de demanda para qualquer dia da
semana.








































21


Nome: RGMData//
Turma:

Exercicio 1:
Na tabela abaixo esto os valores da demanda diaria por reIeies em um restaurante,
durante trs semanas. Com o era de se esperar, nos Iins de semana a demanda aumenta.
Calcular o indice da sazonalidade para cada dia da semana.

Dia da semana Demanda Media movel centrada Indice
Segunda 80
Tera 81
Quarta 82
Quinta 80
Sexta 85
Sabado 95
Domingo 100
Segunda 79
Tera 81
Quarta 8
Quinta 85
Sexta 92
Sabado 97
Domingo 105
Segunda 78
Tera 80
Quarta 82
Quinta 8
Sexta 90
Sabado 100
Domingo 110
Segunda 80
Tera 82
Quarta 85


















22


MANUTENO E MONITORAMENTO DO MODELO DE DEMANDA
IMPLANTADO

Uma vez decidido a tecnica de previso e implantado o modelo, ha necessidade de
acompanhar o desempenho das previses e conIirmar sua validade perante a dinmica
atual dos dados. E necessario manter o modelo atualizado de previso e monitorar esse
modelo para que se tenha sempre previses conIiaveis de demanda. Esse monitoramento
e realizado atraves de calculo e acompanhamento do erro da previso, que e a diIerena
entre o valor real da demanda e o valor previsto pelo modelo para um dado periodo.
A manuteno e monitoramento busca:
- VeriIicar a exatido dos valores previstos;
- IdentiIicar, isolar e corrigir as variaes anormais;
- Permitir a escolha de tecnicas mais eIicientes.
Uma Iorma de acompanhar o desempenho do modelo consiste em veriIicar o
comportamento do erro acumulado, que pode tender a zero. O erro acumulado deve ser
comparado com um multiplo do desvio medio absoluto, conhecido como MAD ( Mean
Absolute Derivation). Em geral compara-se o valor do erro acumulado com o valor de
MAD. Quando ultrapassar esse valor, o problema deve ser identiIicado e o modelo
deve ser revisto. A Iormula para calculo do valor do MAD e:


MAD _ ,D atual - D prevista, / n (note, a variao das demandas esta em modulo).
Onde:
D atual demanda ocorrida no periodo
D prevista demanda prevista no periodo
n numero de periodos

Uma caracteristica importante do MAD, admitindo-se que os erros distribuem-se de
Iorma aleatoria, e que MASD Desvio padro / 1,25.

Aproveitando dos dados do exemplo anterior, vamos calcular o valor dos erros
acumulados para as duas alternativas de previses empregando a media exponencial
movel ( u 0,10 e u 0,50 ) e compara-las ao valor padro de MAD


u 0,10 u 0,10 u 0,50 u 0,50
Periodo Demanda Previso Erro Previso Erro
1 90 xxxxxxxxxx xxxxxxxxx xxxxxxxxxx xxxxxxxxxxxx
2 95 90,00 5,00 90,00 5,00
98 90,50 7,50 92,50 5,50
90 91,25 -1,25 95,25 -5,25
5 92 91,12 0,88 92,2 -0,2
95 91,20 ,80 92,1 2,9
7 90 91,58 -1,58 9,5 -,5
8 100 91,2 8,58 91,82 8,18
9 92 92,27 -0,27 95,91 -,91
10 95 92,25 2,75 9,95 1,05


Para u 0,10 temos: _ Erro 25,1 e o MAD 1,1 / 9 ,51
Para u 0,50 temos: _ Erro 8,99 e o MAD 5,85 / 9 ,98
2


Para o valor padro de MAD, temos:

Para u 0,10 temos: x ,51 1,0 menor que 25,1

Para u 0,50 temos: x ,98 15,92 maior que 8,99

O modelo com u 0,50 esta dentro da Iaixa aceitavel de erro, enquanto o modelo com
u 0,10 esta Iorma de Iaixa de MAD.

Alem da analise do erro acumulado, pode-se empregar como Iorma de monitoramento
dos dados um grfico de controle com limites superior (LSC) e inIerior (LIC),
normalmente correspondentes a MAD ( equivale a desvios padro), onde se
veriIicara a adequao do modelo a esses limites. A cada nova previso, o erro devera
ser plotado, e caso exceda os limite, aes corretivas devero ser tomadas. Um exemplo
desse graIico de controle, para os dados do exemplo anterior para u 0,50 sera visto
abaixo. Nesse caso, constata-se que o modelo de previso esta sob controle, pois os
erros no ultrapassam os limites estabelecidos, que so:
LSC 15,92 e LIC - 15,92











GraIico de controle para o erro de previso.

Os fatores mais comuns que podem afetar o desempenho de um modelo de
previso, so:
- A tecnica de previso pode estar sendo usada incorretamente, ou sendo mal
interpretada;
- A tecnica de previso perdeu a validade devido a mudana em uma variavel
importante, ou devido ao aparecimento de uma nova variavel;
- Variaes irregulares na demanda podem ter acontecido em Iuno de greves,
Iormao de estoques temporarios, catastroIes naturais, etc;
- Aes estrategicas da concorrncia esto aIetando a demanda;
- Outras variaes aleatorias inerentes aos dados da demanda.









2



Nome: RGMData//
Turma:

Exercicio 1:

Com base no exemplo anterior, vamos calcular o valor dos erros acumulados para as
duas alternativas de previses empregando a media exponencial movel ( u 0,20 e u
0,0 ) e compara-las ao valor padro de MAD. Construir tambem o graIico para o
erro de previso, para veriIicar se o modelo para u 0,0 esta sob controle.


u 0,20 u 0,20 u 0,0 u 0,0
Periodo Demanda Previso Erro Previso Erro
1 50 xxxxxxxxxx xxxxxxxxx xxxxxxxxxx xxxxxxxxxxxx
2 55
58
50
5 52
55
7 50
8 0
9 2
10 5