Sistemática para apoiar o dimensionamento econômico da capacidade de produção de empresas com demanda sazonal : o caso de uma empresa fabricante de máquinas agrícolas

Abstract

O dimensionamento da capacidade de produção é um processo de vital importância para o sucesso das empresas, ainda mais quando se está inserido em um mercado de alta sazonalidade. Entretanto, este processo na maioria das vezes não é amplamente discutido internamente nas organizações. Freqüentemente, quando se necessita alterar a capacidade de produção das organizações devido a alterações nas previsões de demanda, atua-se apenas no dimensionamento dos recursos de forma direta ou, em casos extremos de aumento da demanda e indisponibilidade de investimentos, chega-se a efetuar o corte das vendas. Ao contrário disto, a tomada de decisão para o dimensionamento da capacidade de produção deve ser considerada como um processo gerenciável de forma sistêmica, confiável e robusta, influenciada pelo uso de ferramentas importantes como definições de cenários, análises quantitativa e qualitativa. Esta dissertação apresenta uma sistemática para apoiar o dimensionamento econômico da capacidade de produção de empresas com demanda sazonal. A sistemática prevê a discussão do dimensionamento da capacidade de produção considerando quatro grandes fases: identificação e exploração, análises e proposições de alternativas, ação e implementação de um melhor cenário escolhido e, finalmente, avaliações e observações do cenário implementado. Para cada uma das fases alguns passos e etapas foram definidos e, posteriormente, validados através da aplicação desta sistemática no dimensionamento da capacidade de produção da área de usinagem de uma empresa fabricante de máquinas agrícolas. A aplicação desta sistemática trouxe como resultado para a área de usinagem a implementação de um processo robusto e que auxilia na tomada de decisão quando se está inserido em um cenário onde ocorre a previsão de aumento da demanda. A sistemática trouxe benefícios de organização das informações e de se fazer a tomada de decisão para a escolha de um cenário com base nas análises de economicidade dos cenários estudados, porém mostrou-se bastante sensível à acuracidade das previsões de demanda, o que aponta, em futuras aplicações, para uma necessária flexibilização dessa variável pela realização de análise de sensibilidade.

The production capacity sizing is a key process for companies’ success, even more if the organization is involved in a high seasonal environment. However, this process is often not fully discussed by the organizations for decision-making. When it is needed to review the production capacity sizing due to demand predictions, most companies act directly upon the quantity of equipment and redesign the process or, in cases the demand is higher than the production capacity and the company is unprepared to invest to increase capacity the decision is to cut sales. Instead of this, companies should consider production capacity sizing as a manageable, in a systemic way, reliable and robust process. The decision-making for this process should be influenced by scenarios definitions, economic and qualitative analysis. This work presents a method to help the economic sizing of production capacity for companies that are involved in seasonal environment. This method includes a discussion about capacity sizing considering four important phases: identification and exploration, analysis and proposals of alternatives, actions and implementation of the best scenario chosen and, finally evaluation and observations from the implemented scenario. In each phase, steps and activities are defined and illustrated through an application at a machining department of an agricultural machinery maker company. The application of this method at the machining area of the company resulted in a robust and reliable process implemented to help in decisionmaking when it is needed to review the production capacity based on demand predictions. The method brought benefits to organize the information and practice decision-making to choose the best scenario based on economic analysis, however the method proved to be very sensitive to the accuracy of demand predictions, which points, in future applications, to a necessary flexibility of this variable by conducting sensitivity analysis.