PPCP Planejamento, Programação e Controle da Produção Wheelwrigt Skinner Swamidass Leong Slack Qualidade, confiabilidade, custo, flexibilidade Custo, entrega, qualidade, serviço confiável, flexibilidade de produto, flexibilidade de volume, investimento Flexibilidade, entrega, qualidade, custo, introdução de produtos Qualidade, entrega, custo unitário, flexibilidade, inovação Qualidade, velocidade, custo, flexibilidade, confiabilidade Fonte: MARTINS, Petronio Garcia, LAUGENI, Fernando Piero. Administração da Produção. São Paulo, Saraiva, 1998. Atuação do PPCP Fonte: Prof Valério Salomom DPD/FEG/UNESP 1
O PPCP é uma área de decisão da manufatura Fonte: Prof Valério Salomom DPD/FEG/UNESP MTS Make to Stock ATO Assembly to Order Matérias primas MTO Make to Order ETO Engineer to Order As decisões do PPCP nos vários ambientes de manufatura Semi acabados Produtos finais Incertezas e variabilidades da demanda estabilidade estabilidade alta alta utilização utilização de de capacidade capacidade excesso excesso de de capacidade capacidade velocidade velocidade flexibilidade flexibilidade 2
Capacidade e Demanda Falta de capacidade Produção Agregada Previsão da Demanda Estimativa da capacidade atual Antecipação da produção: estoque Tempo Capacidade e Demanda Overbooking???? Hotel 110 100 Quartos Vendidos 90 80 70 60 50 J F M A M J J A S O N D 3
Métodos para ajustar a capacidade: Horas extras e ocupação do tempo ocioso Variar o tamanho da força de trabalho Usar pessoal em tempo parcial Subcontratação / terceirização Investimento em novos recursos Previsão de Vendas hoje Horizontes de planejamento curto prazo tempo médio prazo Longo prazo decisões Efeito da decisão A Efeito da decisão B Efeito da decisão C A B C 4
Erros freqüentes em previsões Confundir previsões com metas e, um erro subseqüente, considerar as metas como se fossem previsões; Gastar tempo e esforço discutido 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 ; 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; Desistir ou não se esforçar o suficiente para melhorar os processos de previsão por não se conseguir "acertar" as previsões, quando, em operações, não se necessita ter previsões perfeitas, mas sim, previsões consistentemente melhores que as da concorrência. Erros esperados crescem com horizonte Previsão de demanda / erro Erros esperados de previsão crescem com o horizonte Previsão Faixa de erro esperado Hoje Horizonte futuro (tempo) 5
Efeito da agregação dos dados Previsão (feita há um ano atrás) Vendas efetivas no mês Variação Quateirão 2.500 1.930 22,8% Bic Mac 6.000 7.269-21,2% Hamburger 4.500 4.980-10,7% Cheeseburger 3.000 2.730 9,0% Filé de Peixe 1.200 1.429-19,1% McChiken 1.800 1.050 41,7% TOTAIS 19.000 19.388-2% Efeitos dos horizontes e da agregação dos dados nas previsões Erros esperados de previsão crescem com o horizonte Previsão de demanda / erro Agregação dos dados pode ser maior para decisões de longo prazo Previsão Agregação gradualmente maior dos dados faz erros gradualmente diminuirem Hoje Horizonte futuro (tempo) 6
Projeções Demanda Vendas reais do passado Ciclicidade identificada no passado e projetada no futuro X X X Faixa de erro identificada no passado e projetada para o futuro Previsões de curto prazo feitas com base nas projeções Tendência identificada no passado e projetada no futuro passado futuro tempo Técnicas de previsão Técnicas de previsão Quantitativas Qualitativas Intrínsecas Extrínsecas Método Delphi Médias móveis Suavizamento exponencial Projeção de tendências Decomposição Regressão simples Regressão múltipla Juri de executivos Força de vendas Pesquisa de mercado Analogia histórica 7
Séries históricas Unidades 450 400 350 300 250 200 150 100 50 0 jan/01 mar/01 mai/01 jul/01 set/01 nov/01 jan/02 mar/02 mai/02 jul/02 set/02 nov/02 jan/03 mar/03 mai/03 jul/03 set/03 nov/03 Meses Vendas tendência Ciclicidade Médias móveis Vendas reais Média móvel de 3 períodos de copos MM3 Janeiro 154 Fevereiro 114 Março 165 Abril 152 (154 + 114 + 165) / 3 = 144,3 Maio 176 (114 + 165 + 152) / 3 = 143,7 Junho 134 (165 + 152 + 176) / 3 = 164,3 Julho 123 (152 + 176 + 134) / 3 = 154,0 Agosto 154 (176 + 134 + 123) / 3 = 144,3 Setembro 134 (134 + 123 + 154) / 3 = 137,0 Outubro 156 (123 + 154 + 134) / 3 = 137,0 Novembro 123 (154 + 134 + 156) / 3 = 148,0 Dezembro 145 (134 + 156 + 123) / 3 = 137,7 8
Média móvel ponderada Vendas reais Média móvel de 3 períodos de copos ponderada com pesos 3, 2 e 1 Janeiro 154 Fevereiro 114 Março 165 Abril 152 [(1*154) + (2*114) + (3*165)] / 6 = 146,2 Maio 176 [(1*114) + (2*165) + (3*152)] / 6 = 150,0 Junho 134 [(1*165) + (2*152) + (3*176)] / 6 = 166,2 Julho 123 [(1*152) + (2*176) + (3*134)] / 6 = 151,0 Agosto 154 [(1*176) + (2*134) + (3*123)] / 6 = 135,5 Setembro 134 [(1*134) + (2*123) + (3*154)] / 6 = 140,3 Outubro 156 [(1*123) + (2*154) + (3*134)] / 6 = 138,8 Novembro 123 [(1*154) + (2*134) + (3*156)] / 6 = 148,3 Dezembro 145 [(1*134) + (2*156) + (3*123)] / 6 = 135,8 Suavizamento exponencial Vendas reais Suavizamento exponencial com alfa Suavizamento exponencial de copos 0,1 0,8 última previsão (feita em dezembro) Janeiro 154 150 150 Fevereiro 114 [(0,1)*(154) + (1-0,1)*(150)] = 150,4 153,2 Março 165 [(0,1)*(114) + (1-0,1)*(150,4)] = 146,8 121,8 Abril 152 [(0,1)*(165) + (1-0,1)*(146,8)] = 148,6 156,4 Maio 176 [(0,1)*(152) + (1-0,1)*(148,6)] = 148,9 152,9 Junho 134 [(0,1)*(176) + (1-0,1)*(148,9)] = 151,6 171,4 Julho 123 [(0,1)*(134) + (1-0,1)*(151,6)] = 149,9 141,5 Agosto 154 [(0,1)*(123) + (1-0,1)*(149,9)] = 147,2 126,7 Setembro 134 [(0,1)*(154) + (1-0,1)*(147,2)] = 147,9 148,5 Outubro 156 [(0,1)*(134) + (1-0,1)*(147,9)] = 146,5 136,9 Novembro 123 [(0,1)*(156) + (1-0,1)*(146,5)] = 147,4 152,2 Dezembro 145 [(0,1)*(123) + (1-0,1)*(147,4)] = 145,0 128,8 9
Equação Linear Demanda (kg) 4.500 4.000 3.500 3.000 2.500 2.000 1.500 1.000 D.Real D.Prev 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Períodos (meses) Y = 3.935-75,2870 X R2 (coeficiente de determinação) Y = 3.935-75,2870. 25 = 2.053 kg Previsão da Sazonalidade Demanda (kg) 10.000 9.000 8.000 7.000 6.000 5.000 4.000 3.000 2.000 1.000 0 D.Real 1 D.Real 2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Períodos (meses) Sazonalidade Simples (D. Real 1) Sazonalidade com Tendência (D. Real 2) 10
Previsão Baseada em Correlações Vendas por Casa 50.000 45.000 40.000 35.000 30.000 25.000 Y = 1.757 x 2,99 X Correlação Linear 20.000 5.000 7.000 9.000 11.000 13.000 15.000 17.000 Número de Alunos Y = 1.757 + 2,99 X Para um número de alunos de 13.750, a demanda prevista de refeições é de: Y = 1.757 + 2,99 x 13.750 = 42.869 refeições 11