Capítulo 8 Necessidades de Previsão da Cadeia de Suprimentos TRA 53 – Logística e Transportes Prof. Anderson Correia Parte IV – Estratégia de Estoque Capítulos 8 a 12 Capítulo 8: visão geral das técnicas de previsão indicadas para o planejamento e controle logístico. Previsão de demanda, prazos de entrega, preços e custos Controle de estoques, economia em compras, controle de custos Roteiro Natureza das previsões Métodos de previsão Técnicas úteis para os profissionais de logística Problemas especiais de previsão para os profissionais de logística Previsão colaborativa Flexibilidade e resposta rápida – uma alternativa à previsão Natureza das previsões Demanda Temporal: varia com o crescimento da taxa de vendas, sazonalidade ou flutuações QUANDO Demanda Espacial: varia conforme diferenças geográficas e níveis de agregação da demanda ONDE Demanda Regular: possui componentes de tendências, sazonais ou aleatórios Demanda Irregular: demanda intermitente em função do baixo volume e da incerteza Demanda Dependente: deriva de exigências especificadas em programas de produção, pode ser estimada com exatidão, previsão perfeita Demanda Independente: deriva de necessidades individuas de clientes, pode ser estimada por previsão estatística, aleatoriedade Natureza das previsões Irregular Regulares Métodos de previsão Métodos Qualitativos Recorrem a julgamento, intuição, pesquisas ou técnicas comparativas Produzem estimativas quantitativas sobre o futuro Previsões são afetadas por fatores subjetivos Dados históricos não são relevantes Previsões são de médio a longo alcance Métodos de previsão Métodos de Projeção Histórica Necessário ter dados históricos para que as tendências e variações sazonais sejam estáveis e bem definidas Previsão de curto prazo: exatidão e estabilidade Premissa básica: padrão de tempo futuro será uma repetição do passado Uso de modelos matemáticos e estatísticos Métodos de previsão Métodos Causais Premissa básica: nível da variável de previsão depende do nível de outra(s) variável(is) Com boas relações de causa-e-efeito efetividade na previsão Dificuldade em encontrar variáveis causais Modelos em formatos estatísticos (modelos de regressão e econométricos) e descritivos (modelos de entrada e saída, ciclo de vida e simulação) Técnicas úteis para os profissionais de logística Ponderação Exponencial Ideal para previsão a curto prazo Necessita de um mínimo de dados Simplicidade Precisão Adapta-se às mudanças fundamentais nos dados de previsão Média móvel em que as observações mais recentes recebem peso maior que as mais antigas: Ft+1: previsão para o próximo período t+1 Ft 1 .At (1 ).Ft α: constante da ponderação exponencial, 0 a 1 At: demanda no período t Ft: previsão para o período t Técnicas úteis para os profissionais de logística Ponderação Exponencial Ft 1 .At (1 ).Ft maior α menor α maior peso à demanda recente maior peso ao histórico de previsões maior agilidade na resposta às mudanças menor agilidade na resposta às mudanças, estabilidade Técnicas úteis para os profissionais de logística Ponderação Exponencial (Exemplo pág. 249) Demanda prevista mês em curso: 1000 unidades Ft Demanda real mês corrente: 950 unidades At Constante de ponderação: 0,3 α Valor esperado da demanda do próximo mês? Ft+1 Ft 1 . At (1 ).Ft Ft 1 0,3.950 (1 0,3).1000 Ft 1 0,3.950 0,7.1000 Ft 1 285 700 Ft 1 985unidades Técnicas úteis para os profissionais de logística Ponderação Exponencial (Exemplo pág. 250) Α=0,2 Trimestre 1 Ano passado 1200 Este ano 2 700 3 4 900 1100 Média = 975 1400 1000 F3=? F1 . A0 (1 ).F0 0,2.1100 (1 0,2).975 1000unidades F2 . A1 (1 ).F1 0,2.1400 (1 0,2).1000 1080unidades F3 . A2 (1 ).F2 0,2.1000 (1 0,2).1080 1064unidades Técnicas úteis para os profissionais de logística Ponderação Exponencial Corrigindo a tendência Ft 1 St 1 Tt 1 St 1 .At (1 ).(St Tt ) Tt 1 .(St 1 St ) (1 ).Tt Ft+1: previsão com tendência corrigida para t+1 St: previsão inicial para o próximo período t Tt: tendência para o período t b: constante ponderada da tendência, 0 a 1 Técnicas úteis para os profissionais de logística Ponderação Exponencial Corrigindo a tendência (Exemplo pág 251) S0= 975; T0=0; β=0,3; α=0,2 F1 [ . A0 (1 ).(S 0 T0 )] [ .(S1 S 0 ) (1 ).T0 ] F1 [0,2.1100 (1 0,2).(975 0)] [0,3.(1000 975) (1 0,3).0] F1 1000 7,5 1007,5 F2 [ . A1 (1 ).(S1 T1 )] [ .(S 2 S1 ) (1 ).T1 ] F2 [0,2.1400 (1 0,2).(1000 7,5)] [0,3.(1086 1000) (1 0,3).7,5] F2 1086 31,05 1117,05 F3 [ . A2 (1 ).(S 2 T2 )] [ .(S 3 S 2 ) (1 ).T2 ] F3 [0,2.1000 (1 0,2).(1086 31,05)] [0,3.(1093,64 1086) (1 0,3).31,05] F3 1093,64 24,03 1117,67 1118 Técnicas úteis para os profissionais de logística Ponderação Exponencial Corrigindo tendência e sazonalidade Condições: 1- Picos e vales devem ter motivos conhecidos 2- Variação sazonal deve ser maior que as variações aleatórias Ft 1 St 1 Tt 1 .I t L1 St 1 .( At / I t L ) (1 ).(St Tt ) Tt 1 .(St 1 St ) (1 ).Tt I t .( At / St ) (1 ).I t L Ft+1: previsão e tendência corrigidas sazonalmente para t+1 γ: constante de ponderação do índice sazonal, 0 a 1 It: índice sazonal para o período t L: tempo de uma estação completa Técnicas úteis para os profissionais de logística Ponderação Exponencial Corrigindo tendência e sazonalidade Técnicas úteis para os profissionais de logística Ponderação Exponencial Definição dos Erros de Previsão Projetar uma faixa para a demanda real Previsão estatística desvio padrão Erro de previsão = demanda real – demanda prevista SF A t Ft t N 1 2 SF: erro padrão da previsão At: demanda real no período t Ft: previsão para o período t N: número de períodos de previsão Técnicas úteis para os profissionais de logística Ponderação Exponencial Definição dos Erros de Previsão (Exemplo pág. 253) Erro normalmente distribuído Dois períodos N=2 Intervalo de confiança de 95% IC Erro padrão da previsão? SF SF 2 A F t t t N 1 1400 10002 1000 10802 2 1 407,92 Dem anda F3 z 1 IC / 2 .S F 1064 1,96.407,92 1064 800 264 Dem anda 1864 Técnicas úteis para os profissionais de logística Ponderação Exponencial Monitorando o Erro de Previsão • Funciona por meio de um sinal de rastreamento do nível de erro, que não pode exceder um limite especificado • Permite a revisão continuada da constante de ponderação • Adequado para mudanças rápidas no nível de demanda • Também pode ser utilizado em períodos de estabilidade, porém necessária a limitação do valor da constante Técnicas úteis para os profissionais de logística Decomposição Clássica da Série de Tempo Simplicidade matemática Preciso Grande aceitação Fundamentado na decomposição da série histórica em: tendência, variação sazonal, variação cíclica e variação residual F: demanda prevista [unidades ou $] T: nível da tendência [unidades ou $] F T S C R S: índice sazonal C: índice cíclico R: índice residual Técnicas úteis para os profissionais de logística Decomposição Clássica da Série de Tempo Na prática: R e C ~ 1; T ~ ajustado por média móvel ou pelo método dos mínimos quadrados. Para linha de tendência linear: N: número de observação usadas no T a b.t desenvolvimento da linha de tendência D .(t ) N .D .t b t N .t t 2 a D b.t 2 Dt: demanda real em t D : demanda média em N períodos t : média de t em N S ~ ajustado para cada período considerado St Dt / Tt St: índice sazonal em t Tt: valor da tendência determinada por T=a+b.t Técnicas úteis para os profissionais de logística Decomposição Clássica da Série de Tempo (Ex. pág. 255) Previsão ($000s) Equação da tendência 18.602 Valores dados 20.945 Cálculos de a e b Cálculo da previsão Técnicas úteis para os profissionais de logística Análise de Regressão Múltipla Demanda (variável dependente) associa-se a n variáveis Pacotes estatísticos fazem a regressão (mínimos quadrados) e avaliação Exemplo pág. 257 Equação de previsão de vendas para o verão [milhares de dólares]: F=-3016+1211.X1+5,75.X2+109X3 X1: tempo [anos] X2: números de compras durante a estação X3: mudança líquida mensal nas dívidas a prazo dos clientes [%] X1=6; X2=2732; X3= 8,63 F=-3016+1211.6+5,75.2732+109.8,63=US$20,9milhões Problemas especiais de previsão para os profissionais de logística Lançamento de produtos Geralmente não há dados históricos para iniciar o processo de previsão, então uma estimativa inicial pode ser feita a partir de: Profissionais de marketing, pois conhecem o nível de esforço promocional do produto e a aceitação a ser esperada do cliente; Padrão de demanda de produtos similares já em linha; Modelo de ponderação exponencial com alto valor de (0,5). Problemas especiais de previsão para os profissionais de logística Demanda Irregular Difícil de se fazer previsão exata por métodos numéricos, sugere-se: Fazer previsão separadamente (e com métodos específicos) de produtos de demanda irregular dos de demanda regular Não reagir com rapidez às mudanças inexplicáveis nos níveis de demanda; Utilizar a ponderação exponencial; Aumentar os níveis (de estoque) para compensar previsão inexata em casos de baixo nível de demanda. Problemas especiais de previsão para os profissionais de logística Previsão Regional Deve-se optar pela agregação ou desagregação geográfica da previsão, sendo que a previsão no nível mais agregado resulta em um valor mais preciso que a soma das previsões individuais. Problemas especiais de previsão para os profissionais de logística Erro de previsão Não há modelo único de previsão ideal para todas as situações. Os erros de previsão podem ser reduzidos com a aplicação combinada de diversas técnicas, tais como: Previsão baseada em regras (se-então); Caminhada aleatória; Ponderação exponencial; Regressão. Porém é necessário ter bom conhecimento da aplicação. Problemas especiais de previsão para os profissionais de logística Erro de previsão (Exemplo pág. 259) Combinação dos métodos de previsão: R: regressão múltipla ES1: ponderação exponencial ES2: combinação pond. exp. e regressão MJ: opinião e experiência da gerência Ponderar os resultados de cada um dos métodos de previsão da demanda para o outono de acordo com o erro médio histórico produzido por cada um deles. maior erro menor peso Problemas especiais de previsão para os profissionais de logística Erro de Previsão (Exemplo pág. 259) Porporção ponderadab $11.813.000 6.732.000 883.000 780.000 $20.208.00 Previsão colaborativa Utilizada em casos de demanda incerta Premissa: “duas cabeças pensam melhor do que uma” Participação multifuncional (marketing, operações, logística, financeiro, compras) ou em vários níveis da cadeia de suprimentos (vendedores, transportadores, compradores) Exige partilha, coordenação, comprometimento e entendimento. Passos para a administração da equipe: Designar um líder para promover a comunicação, cronograma; Identificar o tipo de informação necessária (quem, quando e quanto); Definir métodos de processamento das informações; Distribuir informações no formato útil para cada interessado; Dispor de método para revisão e atualização das previsões; Avaliar o processo de previsão colaborativa. Flexibilidade e resposta rápida – uma alternativa à previsão Defasagem no tempo de suprimento da demanda? Utiliza-se a previsão para que as necessidades de produção ou compras sejam supridas quando ocorrerem. Demanda regular Suprimento baseado na demanda prevista Demanda altamente imprevisível Abordagem alternativa... “Se os processos de cadeia de suprimentos podem ser flexibilizados e passar a reagir com rapidez às necessidades de demanda, a necessidade de previsão é pequena.” Apêndices Apêndices