PPCP – Planejamento, Programação e Controle da Produção
Qualidade, velocidade, custo, flexibilidade, confiabilidade Slack
Qualidade, entrega, custo unitário, flexibilidade, inovação Leong
Flexibilidade, entrega, qualidade, custo, introdução de produtos Swamidass
Custo, entrega, qualidade, serviço confiável, flexibilidade de produto, flexibilidade de volume, investimento
Skinner
Qualidade, confiabilidade, custo, flexibilidade Wheelwrigt
Fonte: MARTINS, Petronio Garcia, LAUGENI, Fernando Piero. Administração da Produção. São Paulo, Saraiva, 1998.
Atuação do PPCP
O PPCP é uma área de decisão da manufatura
Fonte: Prof Valério Salomom DPD/FEG/UNESP
As decisões do PPCP nos vários ambientes de manufatura
excesso de capacidade velocidade
flexibilidade
excesso de capacidade velocidade
flexibilidade Produtos finais
Semi acabados
Matérias primas
Engineer ETO to Order
Make to MTO Order Assembly ATO
to Order Make to MTS Stock
estabilidade alta utilização de capacidade estabilidade alta utilização de capacidade
Incertezas e variabilidades da
demanda
Antecipação da produção: estoque
Falta de capacidade
Capacidade e Demanda
Tempo
P ro du çã o A gr eg ad a
Previsão da Demanda
Estimativa da capacidade atual
Capacidade e Demanda
Hotel
50 60 70 80 90 100 110
J F M A M J J A S O N D
Q ua rt os V en di do s
Overbooking ????
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
Horizontes de planejamento hoje
tempo
decisões Efeito da
decisão A Efeito da
decisão B Efeito da
decisão C curto prazo
médio prazo
Longo prazo
A B
C
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.
Fonte: Administração da Produção e Operações, Henrique L. Corrêa, Carlos A. Corrêa, Atlas
(tempo) Previsão de
demanda / erro
Erros esperados de previsão crescem com o horizonte
Hoje Horizonte futuro
Faixa de erro esperado
Previsão
Erros esperados crescem com
horizonte
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%
(tempo) P re vi sã o de de m an da / er ro
Erros esperados de previsão crescem com o horizonte
Hoje Horizonte futuro
Previsão
Agregação dos dados pode ser maior para decisões de longo prazo diminuirem dos dados faz erros gradualmente Agregação gradualmente maior
Efeitos dos horizontes e da agregação
dos dados nas previsões
tempo futuro
passado
Vendas reais do passadoTendência identificada no passado e projetada no futuro
Ciclicidade identificada no passado e projetada no futuro
X X X
Previsões de curto prazo feitas com base nas projeções
Demanda
Faixa de erro identificada no passado e projetada para o futuro
Projeções
Fonte: Administração da Produção e Operações, Henrique L. Corrêa, Carlos A. Corrêa, Atlas
Técnicas de previsão
Quantitativas Qualitativas
Intrínsecas Extrínsecas Método Delphi
Juri de executivos
Força de vendas Pesquisa de
mercado Médias móveis
Suavizamento exponencial Projeção de tendências
Decomposição
Regressão simples Regressão
múltipla
Analogia histórica
Técnicas de previsão
0 50 100 150 200 250 300 350 400 450
ja n/ 01 m ar /0 1 m ai /0 1 ju l/0 1 se t/0 1 no v/ 01 ja n/ 02 m ar /0 2 m ai /0 2 ju l/0 2 se t/0 2 no v/ 02 ja n/ 03 m ar /0 3 m ai /0 3 ju l/0 3 se t/0 3 no v/ 03
Meses
Unidades
Vendas tendência Ciclicidade
Séries históricas
Fonte: Administração da Produção e Operações, Henrique L. Corrêa, Carlos A. Corrêa, Atlas
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
Médias móveis
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
Média móvel ponderada
Fonte: Administração da Produção e Operações, Henrique L. Corrêa, Carlos A. Corrêa, Atlas
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
Suavizamento exponencial
Equação Linear
Y = 3.935 - 75,2870 X
Y = 3.935 - 75,2870 . 25 = 2.053 kg
1.000 1.500 2.000 2.500 3.000 3.500 4.000 4.500
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)
D em an da (k g)
D.Real D.Prev
R2 (coeficiente de determinação)
Previsão da Sazonalidade
0 1.000 2.000 3.000 4.000 5.000 6.000 7.000 8.000 9.000 10.000
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) D em an da (k g) D.Real 1 D.Real 2
• Sazonalidade Simples (D. Real 1)
• Sazonalidade com Tendência (D. Real 2)
Previsão Baseada em Correlações
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
20.00025.000 30.000 35.000 40.000 45.000 50.000
5.000 7.000 9.000 11.000 13.000 15.000 17.000
Número de Alunos
V en da s po r C as a
Y = 1.757 x 2,99 X
