Estratégia e Dimensionamento de Frota 1

Sumário  Fundamentos  Volume  Tipos  Indicadores Econométricos  Modelagem de Frota (Carga e Pessoal)  Framework  Técnicas 2

Principais Tipos de Carga  Cargas a Granel  Ligação Setor Primário => Setor Secundário  Carga Geral  Ligação Varejo Atacado  Carga Especializada  Perigosos  Automóveis  Encomendas 3

Granel  Características  Baixo valor agregado  Grande Quantidade  Custo de Transporte impacta no Custo Logístico Total  Modais Relevantes  Dutoviária  Aquaviário  Ferroviário  Rodoviário 4

Carga Geral  Características  Valor Agregado  Maior diversidade  Muitos embarcadores e receptores  Custos de Transporte podem ser relevantes  Modais relevantes  Ferroviário  Rodoviário 5

Carga Especializada  Características  Grandes Volumes poucos consumidores  Requisitos especiais para reduzir risco de perda e dano  Alto valor  Modais  Ferroviário Especializado  Rodoviário Especializado  Aéreo 6

Encomendas  Características  Alto valor  Custos logísticos Total (-trnsp) são mais importantes que custos de transporte  Entregas para pequenos negócios ou consumidores  Modais  LTL  Aéreo 7

Indicadores 8

Demanda por Transporte (Carga)  É uma demanda derivada  Relacionada aos volumes de bens produzidos e consumidos  Localização dos fornecedores e consumidores é crítica  Mudanças nos Fluxos  Novas fontes e usos para materiais  Novas localizações para fabricantes e atacadistas  Novos produtos e serviços especializados 9

Framework 10

Previsão de Demanda de Fluxos Origem Destino (OD)  Fatores de Crescimento  Tabelas de fluxos OD existentes para estimar fluxos futuros  Modelos de Gravidade  Modelos de Atividade Econômica  Desenhar os fluxos de mercadorias entre os setores económicos e entre as regiões 11

Fatores de Crescimento  Ajuste Proporcional Iterativo  Oferta e demanda de uma região são previstas utilizando “Fatores de Crescimento” 12

Modelos de Gravidade 13

Ajuste Proporcional Iterativo Séries Temporais 14

©2005 by Pearson Education

Características das previsões As previsões são sempre imprecisas e, assim, devem incluir seu valor esperado e uma medida de seu erro. Previsões de longo prazo normalmente são menos precisas do que previsões de curto prazo (horizonte de previsão é importante). Previsões agregadas normalmente são mais exatas do que as desagregadas.

Métodos de previsão Qualitativo: principalmente subjetivo; conta com bom senso e opinião. Séries temporais: usam apenas demanda histórica: –estáticas; e –adaptativas. Causal: usam a relação entre demanda e algum outro fator para desenvolver a previsão. Simulação –imita escolhas do consumidor que geram demanda; e –pode combinar métodos de séries temporais e causais.

Componentes de uma observação Demanda observada (O) = Componente sistemático (S) + Componente aleatório (R) Nível (demanda atual não sazonal) Tendência (crescimento ou declínio na demanda) Sazonalidade (flutuação sazonal previsível) Sistemática componente: o valor esperado da demanda. Componente aleatório: a parte da previsão que se desvia da componente sistemática. Previsão de erro: diferença entre previsão e demanda real.

Previsão de séries temporais Previsão de demanda para os próximos quatro trimestres.

Previsão de séries temporais

Métodos de previsão Estáticos Adaptativos: –média móvel; –alisamento exponencial simples; –modelo de Holt (tendência); e –modelo de Winter (tendência e sazonalidade).

Abordagem básica para a previsão de demanda entender os objetivos da previsão; integrar planejamento e previsão de demanda; identificar os principais fatores que influenciam a previsão de demanda; entender e identificar os segmentos de clientes; determinar a técnica de previsão apropriada; e estabelecer medidas de desempenho e erro para a previsão.

Métodos de previsão de séries temporais O objetivo é prever o componente sistemático da demanda: –multiplicativo: (nível)(tendência)(fator sazonal); –aditivo: nível + tendência + fator sazonal; –misto: (nível + tendência)(fator sazonal). Métodos estáticos Previsão adaptativa

Métodos estáticos Considera um modelo misto: Componente sistemático = (nível + tendência)(fator sazonal) F t+l = [L + (t + l)T]S t+l = previsão no período t para demanda no período t + l L = estimativa do nível em t = 0 T = estimativa da tendência S t = estimativa do fator sazonal para período t D t = demanda real no período t F t = previsão da demanda no período t

Métodos estáticos estimando nível e tendência; e estimando fatores sazonais.

Estimando nível e tendência Antes de estimar nível e tendência, dados de demanda devem ser dessazonalidados. Demanda dessasonalizada = demanda que seria observada na ausência de flutuações sazonais. Periodicidade (p) : –número de períodos após os quais o ciclo sazonal se repete –para a demanda na Tahoe Salt (Tabela 7.1, Figura 7.1) p = 4

Previsão de séries de tempo (Tabela 7.1) Previsão de demanda para os próximos quatro trimestres.

Previsão de séries de tempo (Figura 7.1)

Estimando nível e tendência Antes de estimar nível e tendência, os dados de demanda devem ser dessazonalidados. Demanda dessasonalizada = demanda que seria observada na ausência de flutuações sazonais. Periodicidade (p): –número de períodos após os quais o ciclo sazonal se repete; e –para a demanda na Tahoe Salt (Tabela 7.1, Figura 7.1) p = 4.

Dessazonalizando a demanda [D t-(p/2) + D t+(p/2) + S 2D i ] / 2p para p par D t = [soma de i = t + 1 – (p/2) a t (p/2)]  D i / p para ímpar [soma de i = t – (p/2) a t + (p/2)], p/2 truncado para menor inteiro

Para o exemplo, p = 4 é par. Para t = 3: D 3 = {D 1 + D 5 + Sum(i=2 a 4) [2D i ]}/8 = [(2)(13000)+(2)(23000)+ (2)(34000)]}/8 = D 4 = {D 2 + D 6 + Sum(i=3 a 5) [2D i ]}/8 = [(2)(23000)+(2)(34000)+ (2)(10000)]/8 = Dessazonalizando a demanda

Depois inclui tendência: D t = L + Tt onde D t = demanda dessazonalizada no período t; L = nível (demanda dessazonalizada no período 0); e T = tendência (taxa de crescimento da demanda dessazonalizada). A tendência é determinada pela regressão linear usando a demanda dessazonalizada como variável dependente e período como variável independente (pode ser feito no Excel). No exemplo, L = e T = 524. Dessazonalizando a demanda

Série de tempo da demanda (Figura 7.3)

Estimando fatores sazonais Use a equação anterior para calcular a demanda dessazonalizada para cada período: S t = D t / D t = fator sazonal para período t No exemplo: D 2 = (524)(2) = D 2 = S 2 = 13000/19487 = 0,67 Os fatores sazonais para os outros períodos são calculados da mesma maneira.

Estimando fatores sazonais (Figura 7.4)

Estimando fatores sazonais O fator sazonal geral para uma “estação” é obtido pela média de todos os fatores para uma “estação”. Se houver r ciclos sazonais para todos os períodos na forma pt+i, 1<i<p, o fator sazonal para a estação i é: S i = [Sum (j=0 para r-1) S jp+i ]/ r No exemplo, existem três ciclos sazonais nos dados e p=4, portanto: S 1 = (0,42 + 0,47 + 0,52) / 3 = 0,47 S 2 = (0,67 + 0,83 + 0,55) / 3 = 0,68 S 3 = (1,15 + 1,04 + 1,32) / 3 = 1,17 S 4 = (1,66 + 1,68 + 1,66) / 3 = 1,67

Estimando a previsão Usando a equação original, podemos prever os quatro próximos períodos de demanda: F 13 = (L + 13T)S 1 = [ (13)(524)](0,47) = F 14 = (L + 14T)S 2 = [ (14)(524)](0,68) = F 15 = (L + 15T)S 3 = [ (15)(524)](1,17) = F 16 = (L + 16T)S 4 = [ (16)(524)](1,67) =

Previsão adaptativa  as estimativas de nível, tendência e sazonalidade são ajustadas após cada observação de demanda;  etapas gerais na previsão adaptativa;  média móvel;  alisamento exponencial simples;  alisamento exponencial corrigido pela tendência (modelo de Holt); e  alisamento exponencial corrigido pela tendência e sazonalidade (modelo de Winter).

Fórmula básica para previsão adaptativa F t+1 = (L t + l T)S t+1 = previsão para período t+l no período t; L t = estimativa de nível no final do período t; T t = estimativa de tendência no final do período t; S t = estimativa de fator sazonal para o período t; F t = previsão de demanda para período t (feita no período t–1 ou antes); D t = demanda real observada no período t; E t = erro de previsão no período t; A t = desvio absoluto para o período t = |E t |; e DMA = desvio Médio Absoluto = valor médio de A t.

Etapas gerais na previsão adaptativa  Iniciar: calcule estimativas iniciais de nível (L 0 ), tendência (T 0 ) e fatores sazonais (S 1,…,S p ). Isso é feito em uma previsão estática.  Prever: demanda de previsão para período t+1 usando a equação geral.  Estimar erro: calcule erro E t+1 = F t+1 – D t+1.  Modificar estimativas: modificar as estimativas de nível (L t+1 ), tendência (T t+1 ) e fator sazonal (S t+p+1 ), dado o erro E t+1 na previsão.  Repetir etapas 2, 3 e 4 para cada período subsequente.

Média móvel Utilizada quando a demanda não tem tendência ou sazonalidade observável. Componente sistemático da demanda = nível. O nível no período t é a demanda média pelos últimos N períodos (a média móvel de N períodos). A previsão atual para todos os períodos futuros é a mesma e baseada na estimativa atual do nível: L t = (D t + D t-1 + … + D t-N+1 ) / N F t+1 = L t e F t+n = L t Após observar a demanda para o período t+1, revise as estimativas da seguinte forma: L t+1 = (D t+1 + D t + … + D t-N+2 ) / N F t+2 = L t+1

Exemplo de média móvel Do exemplo da Tahoe Salt (Tabela 7.1) Ao final do período 4, qual a demanda prevista para os períodos de 5 a 8 usando uma média móvel de 4 períodos? L 4 = (D 4 +D 3 +D 2 +D 1 )/4 = ( )/4 = F 5 = = F 6 = F 7 = F 8 Demanda observada no período 5, sendo D 5 = Erro de previsão no período 5, E 5 = F 5 – D 5 = – = Revise estimativa de nível no período 5: L 5 = (D 5 +D 4 +D 3 +D 2 )/4 = ( )/4 = F 6 = L 5 =

Alisamento exponencial simples Utilizado quando a demanda não tem tendência ou sazonalidade observável. Componente sistemático da demanda = nível. Estimativa inicial de nível, L 0, considerada como a média de todos os dados históricos L 0 = [Sum( i=1 para n )D i ]/n A previsão atual para todos os períodos futuros é igual à estimativa atual do nível e é dada como a seguir: F t+1 = L t e F t+n = L t Após observar a demanda D t+1, revise a estimativa do nível: L t+1 = aD t+1 + (1 – a)L t L t+1 = Sum (n=0 para t+1) [a(1 – a) n D t+1-n ]

Exemplo de alisamento exponencial simples Dos dados da Tahoe Salt, preveja a demanda para o período 1 usando o alisamento exponencial L 0 = média de todos os 12 períodos de dados: = Sum (i=1 para 12) [D i ]/12 = F 1 = L 0 = Demanda observada para o período 1 = D 1 = O erro de previsão para período 1, E 1, é: E 1 = F 1 – D 1 = – 8000 = Considerando a = 0,1, estimativa revisada do nível para período 1: L 1 = aD 1 + (1 – a)L 0 = (0,1)(8000) + (0,9)(22083) = F 2 = L 1 = A estimativa de nível para o período 1 é menor que no período 0.

Alisamento exponencial corrigido pela tendência (modelo de Holt)  Apropriado quando a demanda tem nível e tendência no componente sistemático da demanda, mas não sazonalidade.  Obtenha a estimativa inicial do nível e a tendência rodando uma regressão linear da seguinte forma: D t = at + b T 0 = a L 0 = b No período t, a previsão para períodos futuros é expressa da seguinte forma: F t+1 = L t + T t F t+n = L t + nT t

Depois de observar a demanda para período t, revise as estimativas para nível e tendência da seguinte forma: L t+1 = aD t+1 + (1 – a)(L t + T t ) T t+1 = b(L t+1 – L t ) + (1 – b)T t a = constante de alisamento para o nível b = constante de alisamento para a tendência Exemplo: dados de demanda da Tahoe Salt. Demanda de previsão para o período 1 usando modelo de Holt (alisamento exponencial corrigido pela tendência). Usando regressão linear: L 0 = (interceptação linear) T 0 = 1549 (inclinação linear) Alisamento exponencial corrigido pela tendência (modelo de Holt)

Exemplo de modelo de Holt (continuação) Previsão para período 1: F 1 = L 0 + T 0 = = Demanda observada para período 1 = D 1 = E 1 = F 1 – D 1 = – 8000 = Considere a = 0,1, b = 0,2 L 1 = aD 1 + (1 – a)(L 0 + T 0 ) = (0,1)(8000) + (0,9)(13564) = T 1 = b(L 1 – L 0 ) + (1 – b)T 0 = (0,2)(13008 – 12015) + (0,8)(1549) = F 2 = L 1 + T 1 = = F 5 = L 1 + 4T 1 = (4)(1438) =

Alisamento exponencial corrigido pela tendência e sazonalidade apropriado quando o componente sistemático da demanda é considerado como tendo nível, tendência e fator sazonal; componente sistemático = (nível+tendência)(fator sazonal); considere periodicidade p; obtenha estimativas iniciais de nível (L 0 ), tendência (T 0 ) e fatores sazonais (S 1,…,S p ) utilizando procedimento para previsão estática; e no período t, a previsão para períodos futuros é dada por: F t+1 = (L t + T t )(S t+1 ) e F t+n = (L t + nT t )S t+n.

Alisamento exponencial corrigido pela tendência e sazonalidade (continuação) Após observar a demanda para o período t+1, revise estimativas de nível, tendência e fatores sazonais: L t+1 = a(D t+1 /S t+1 ) + (1 – a)(L t + T t ) T t+1 = b(L t+1 – L t ) + (1 – b)T t S t+p+1 = g(D t+1 / L t+1 ) + (1 – g)S t+1 a = constante de alisamento para o nível; b = constante de alisamento para a tendência; e g = constante de alisamento para o fator sazonal. Exemplo: dados da Tahoe Salt. Demanda de previsão para período 1 utilizando modelo de Winter. As estimativas iniciais de nível, tendência e fatores sazonais são obtidos no caso da previsão estática.

L 0 = T 0 = 524S 1 = 0,47, S 2 = 0,68, S 3 = 1,17, S 4 = 1,67 F 1 = (L 0 + T 0 )S 1 = ( )(0,47) = A demanda observada para período 1 = D 1 = Erro de previsão para período 1 = E 1 = F 1 – D 1 = 8913 – 8000 = 913 Considere a = 0,1, b = 0,2, g = 0,1; revise estimativas de nível e tendência para o período 1 e fator sazonal para o período 5: L 1 = a(D 1 /S 1 )+(1–a)(L 0 +T 0 ) = (0,1)(8000/0,47)+(0,9)( ) = ; T 1 = b(L 1 –L 0 )+(1–b)T 0 = (0,2)(18769–18439)+(0,8)(524) = 485; S 5 = g(D 1 /L 1 )+(1–g)S 1 = (0,1)(8000/18769)+(0,9)(0,47) = 0,47; e F 2 = (L 1 +T 1 )S 2 = ( )(0,68) = Alisamento exponencial corrigido pela tendência e sazonalidade (continuação)

Medições de erro de previsão  Erro de previsão = E t = F t – D t  Erro quadrático médio (EQM) EQM n = (Sum (t=1 a n) [E t 2 ])/n  Desvio absoluto = A t = |E t |  Desvio médio absoluto (DMA) DMA n = (Sum (t=1 a n) [A t ])/n s = 1,25 DMA

Medições de erro de previsão  Erro percentual absoluto médio (EPAM) EPAM n = (Sum (t=1 a n) [|E t /D t |100])/n  O viés mostra se a previsão csubestima ou superestima a demanda; deve flutuar em torno de 0. Viés n = Sum (t=1 a n) [E t ]  O sinal de acompanhamento deve estar na faixa de 6, senão, deve-se escolher um novo método de previsão. TS t = viés / DMA t

Previsão de demanda na Tahoe Salt  média móvel;  alisamento exponencial simples;  alisamento exponencial corrigido pela tendência; e  alisamento exponencial corrigido pela tendência e sazonalidade.

Previsão na prática  colabore na preparação das previsões;  o valor dos dados depende de onde você se encontra na cadeia de suprimentos; e  lembre-se de distinguir entre demanda e vendas.

ALTERNATIVAS PARA AMPLIAÇÃO DE FROTAS  Demanda instável;  Oscilações mercado;  Quantidades diferentes;  Alternativas:  Parcerias  Terceirização  Franshising  Leasing  Finame 57

Parcerias  Parceria = racionalização  União para realização de um serviço  Divisão de receita proporcional  Pool de cargas 58

Terceirização  Utilização de serviços de terceiros;  Para mercados com maiores oscilações. 59

Franchising  relação comercial em que uma pessoa física ou jurídica (o franqueador), titular de marca registrada, patente ou registro de propriedade industrial, concede a outra (o franqueado) licença para a utilização (em atividade de comércio, indústria ou serviços) de sua marca, bem como de seu processo de produção, seus produtos e/ou seu sistema de negócios, mediante o pagamento de royalties e o cumprimento de determinadas condições”. 60

Franchising  Vantagens:  Perspectiva de sucesso de um negócio já experimentados;  Planejamento, pesquisa e aperfeiçoamento por conta do franqueador.  Conhecimento do mercado específico;  Imagem consolidada no mercado;  Economia de escala em compras  Facilidade para acesso a crédito;  Retorno de investimento mais rápido 61

Franchising  Desvantagens:  Controle externo  Limitação da autonomia  Contratos de longa duração;  Custo aquisição da franquia. 62

Leasing  Operação de crédito de longo prazo para pessoas físicas e jurídicas, em que a empresa de Leasing adquire um bem determinado pelo cliente e para uso deste por arrendamento. Ao final, o cliente pode adquirir o bem por um valor residual garantido, preestabelecido em contrato 63

Leasing Financeiro  A empresa arrendadora adquire bens de terceiros (fornecedores) por escolha da arrendatária (clientes) e para uso desta, no prazo e sob condições financeiras estipuladas em contrato, com a fixação de valor residual garantido para opção de compra ao término do contrato, preestabelecido em contrato 64

Leasing Operacional  É a operação de bens adquiridos de terceiros, para fins de uso da arrendatária, sendo que, ao término do contrato, esta pode devolver o bem ou adquiri-lo pelo valor de mercado. 65

Leasing Internacional  Uma empresa arrendadora no exterior adquire bens de terceiros e arrenda-os para uma empresa (cliente) sediada no Brasil. 66

Leasing importação  É a operação de bens fabricados no exterior, adquiridos pela empresa arrendadora diretamente de fornecedores estabelecidos no exterior. 67

Leasing Imobiliário  Modalidade em que um cliente tem interesse na construção ou compra de imóvel, adquirido ou construído de acordo com as especificações de um cliente. A aquisição é feita por Escritura Pública de Compra e Venda. 68

Leasing Back  A empresa arrendadora adquire um bem de propriedade da arrendatária (cliente) e arrenda-o ao mesmo. Esta operação é permitida somente para Pessoa Jurídica.. 69

FINAME  Financiamento de longo prazo para pessoas físicas e jurídicas de máquinas e equipamentos novos, nacionais, com cadastro na FINAME.  O pagamento ao fornecedor é feito após o repasse do recurso pela Finame. Os prazos para financiamento são flexíveis e o vencimento das parcelas ocorre todo dia 15. Durante o período do contrato, o bem fica alienado.  Além de oferecer custos reduzidos e de admitir carência no fluxo de pagamentos, não há incidência de impostos sobre a operação de Finame 70

FNAME LEASING  Linha de crédito destinada a pessoas jurídicas e físicas (transportadores autônomos de cargas com registro) para arrendamento de máquinas, veículos (ônibus e caminhões) e equipamentos nacionais novos, cadastrados junto à FINAME, com recursos captados pelo BNDES.  Com custos reduzidos, oferece as mesmas vantagens do Leasing, além de permitir carência no fluxo de pagamentos.  No Finame Leasing, o pagamento ao fornecedor é feito após o repasse do recurso pela Finame. O vencimento das parcelas ocorre todo dia 01 a partir do segundo mês subseqüente a concessão do crédito ou dia 01 após o prazo de carência. 71

FNANCIAMENTO CDC  Linha de crédito, para pessoas físicas e jurídicas, para aquisição de bens de consumo duráveis, máquinas e veículos novos e usados, nacionais ou importados, desde que, a aquisição seja devidamente comprovada por nota fiscal ou recibo. Durante o período do contrato, o bem fica alienado ao Banco.  Com o pagamento à vista ao fornecedor, o cliente consegue melhores preços e usufruto imediato do bem.  O CDC ainda oferece prazos flexíveis para pagamento e possibilidade de liquidação antecipada do contrato e possui as seguintes características:  Prazo mínimo: 01 mês.  Prazo máximo: 36 meses.  Taxa: Prefixada. 72