1 aula 05 - gestão da demanda definição, importância e técnicas de previsão osvaldo pinheiro

1

Aula 05 - Gestão da Demanda

Definição, importância e técnicas de previsão

Osvaldo Pinheiro

Temas a serem abordados

Introdução e etapas de um modelo de previsão

Técnicas de previsão Previsões baseadas em séries temporais

Osvaldo Pinheiro - 2009 2


Introdução As empresas direcionam suas atividades para o rumo em

que acreditam que o mercado onde atuam andará. Este rumo é traçado com base em previsões, sendo a previsão da demanda a principal delas.

Previsão de demanda é a base para o planejamento estratégico da produção, vendas e finanças de qualquer empresa. É estimativa de como vai se comportar o mercado no futuro.

Partindo deste ponto, podem ser desenvolvidos planejamento de novas instalações, planos de capacidade, programação da força de trabalho, fluxo de caixa, produção, estoques, mão de obra, compras, etc


Introdução Neste sentido, as previsões são usadas pelo Planejamento

da Produção em 02 momentos distintos: planejar o sistema produtivo planejar o uso deste sistema produtivo

Planejar o sistema produtivo: usadas para elaborar estrategicamente o plano de produção, definindo que produtos e serviços oferecidos ao mercado, de que instalações e equipamentos dispor, em que nível de atividade trabalhar, que qualificação de mão de obra buscar, etc.


Introdução Planejar o uso do sistema produtivo: previsões de médio e

curto prazo são empregadas no planejamento mestre e programação da produção no sentido de utilizar recursos disponíveis, envolvendo a definição de planos de produção e armazenagem, planos de compras e reposição de estoques, planos de cargas de mão de obra e sequenciamento da produção.


Introdução A responsabilidade de preparação das previsões de

demanda normalmente é da área comercial.

Faz parte da atividade comercial, o relacionamento com o mercado e o estudo do seu comportamento: novos concorrentes, novos produtos, produtos substitutos, market-share, ciclo de vida dos produtos;


Introdução Apesar da evolução dos recursos computacionais e da

sofisticação matemática das técnicas de projeção, a previsão da demanda dos produtos não é uma ciência exata.

Envolve uma boa dose de experiência e julgamento pessoal do planejador.

A única coisa garantida é que o valor previsto será sempre uma aproximação do valor real.


• Um modelo de previsão pode ser dividido em 05 etapas:

Etapas de um modelo de previsão

Objetivo do modelo

Coleta e análise de dados

Seleção da técnica de previsão

Obtenção das previsões

Monitoração do modelo


Etapas de um modelo de previsão• Objetivo do modelo: consiste em definir a razão pela qual

necessita-se de previsões.

Quais produtos/serviços serão previstos? Qual o grau de acuracidade e detalhe das previsão? Quais recursos estarão disponíveis para esta previsão?

• Coleta e análise de dados: objetiva identificar e desenvolver a técnica de previsão que melhor se adapte. Fatores importantes:

- quantidade de dados- análise de variações extraordinárias- período de consolidação dos dados


Etapas de um modelo de previsão• Seleção da técnica de previsão: após a coleta e análise dos dados,

deve-se decidir pela técnica de previsão mais adequada. Fatores importantes:

- disponibilidade dados históricos e recursos;- experiências passadas;- disponibilidade de tempo;- período de planejamento

• Obtenção e monitoramento das previsões: quanto maior for o horizonte pretendido, menor a confiabilidade da demanda prevista. A medida que as previsões forem alcançadas pela demanda real, monitora-se a extensão do erro, verifica-se a técnica e os parâmetros empregados.


Técnicas de previsão

• Existem várias técnicas de previsão, com diferenças substanciais, porém apresentam características comuns:

- supõe-se que as causas que influenciaram a demanda passada continuarão a agir no futuro; - as previsões não são perfeitas;

- a acuracidade diminui com o aumento do período;

- a previsão para grupos de produtos é mais precisa do que para os produtos individualmente;



• Podem ser divididas em 02 grupos:

- Técnicas qualitativas: baseadas em análise subjetivas e portanto díficeis de serem demonstradas matematicamente. São empregadas quando não se dispõe de tempo para coleta e análise de dados, quando não existe dados históricos (novos produtos), ou quando se trata de questões estratégicas.

• Ex.: pesquisas junto a consumidores, analogia histórica, pesquisas de mercado, opiniões do diretor de marketing e da equipe de vendas.



• Técnicas quantitativas: consiste em analisar dados históricos, empregando modelos matemáticos para projetar a demanda futura. Podem ser baseadas em séries temporais e/ou correlações.


Previsões baseadas em séries temporais

Tempo

Tendência

Dem

anda

Sazonalidade

Variação irregular

Variação aleatória

• Parte do princípio de que a demanda futura será uma projeção de seus valores passados não sofrendo influência de outra variáveis.


• Tendência consiste em um movimento gradual de longo prazo, direcionando os dados.

• Sazonalidade refere-se a variações cíclicas de curto prazo, relacionadas ao fator tempo.

• Variações irregulares são alterações na demanda passada resultante de fatores excepcionais.

• Variações aleatórias são consideras alterações de pequeno porte normais

Previsões baseadas em séries temporais


• Média móvel utiliza dados de um número pré-determinado de períodos para gerar sua previsão. A cada novo período de previsão, o dado mais antigo é substituído pelo mais recente. A média móvel pode ser obtida a partir da equação:

Técnicas para previsão da média

Mm n = n

n

i = 1

D i• Mmn = média móvel de n períodos• Di = demanda ocorrida no período i• n = número de períodos• i = índice do período

• Outra alternativa de ponderar a importância relativa dos períodos é atribuir-lhes pesos diferentes (ponderada).


• Média móvel exponencial: cada nova previsão é obtida com base na previsão anterior, acrescida do erro cometido na previsão anterior, corrigido por um coeficiente de ponderação. A equação é a seguinte:


Mt = Mt-1 + a (Dt - 1 - Mt-1)

• Mt = previsão para o período t• Mt-1 = previsão para o período t -1• a = coeficiente de ponderação• Dt-1= demanda do período t-1


• O coeficiente de ponderação a é fixado dentro de uma faixa que varia de 0 a 1. Quanto maior seu valor, mais rapidamente o modelo de previsão reagirá a uma variação real de demanda. Se o valor de a for muito grande, as previsões ficarão muito sujeitas às variações aleatórias da demanda. Caso contrário, as previsões poderão ficar defasadas da demanda real.



• A tendência refere-se ao movimento gradual de longo prazo da demanda. O cálculo da estimativa da tendência é realizado pela identificação de uma equação que descreva este movimento. O estudo será limitado a equação linear como forma de previsão.

Técnicas para previsão da tendência

• Uma equação linear possui o seguinte formato: y = a+ bx

• y = previsão da demanda para o período x• a = intercepção no eixo y• b = coeficiente angular• x = período para a previsão


Técnicas para previsão da tendência

• Os coeficientes a e b podem ser obtidos da seguinte forma:

b =

n( xy) - ( x)( y)

n( x2) - ( x)2

y - b( x) a =

n

n = números de períodos observados


• A sazonalidade caracteriza-se pela ocorrência de variações, para cima e para baixo, a intervalos regulares nas séries temporais da demanda.

Deve existir uma razão para a ocorrência.

Pode ser anual (consumo de cerveja durante o verão), mensal (atendimento bancário no início do mês), semanal (vendas de um restaurante) e diário (número de veículos durante o horário de rush).

Técnicas para previsão da sazonalidade


• O índice de sazonalidade é obtido dividindo-se o valor da demanda no período pela média móvel centrada neste período. caracteriza-se pela ocorrência de variações, para cima e para baixo, a intervalos regulares nas séries temporais da demanda.

A sazonalidade é expressa em termos de uma quantidade, ou de uma percentagem da demanda que desvia dos valores médios da série. Caso exista tendência, ela também será considerada.

Ex.: se o índice de sazonalidade da demanda por viagens à praia em janeiro é de 1,25, significa que a demanda por viagens é 25% maior do que a média anual.

Técnicas para previsão da sazonalidade


• As previsões baseadas em correlações , ao contrário das previsões anteriormente vistas, que relacionam a demanda de um produto com sua demanda passada, buscam prever a demanda de determinado produto com base na previsão de outra variável que esteja relacionada com o produto.

• Ex.: a demanda de pneus está relacionada com a venda de veículos novos.

•O objetivo consiste em estabelecer uma equação que identifique o efeito da variável de previsão sobre a demanda do produto em análise.

Previsões baseadas em correlações


• É necessário levantar 02 tipos de dados: o histórico da demanda do produto em questão (variável dependente) e o histórico da variável de previsão (variável independente).

•Com estes dados, através de regressão linear, obtém-se a equação matemática y = a + bx


• y = previsão da demanda para o item dependente• a = intercepção no eixo y• b = coeficiente angular• x = valor da variável independente



• Os coeficientes a e b podem ser obtidos da seguinte forma:

b =

n( xy) - ( x)( y)

n( x2) - ( x)2

y - b( x) a =

n

n = números de pares xy observados

n( y2) - ( y)2 . r =

n( xy) - ( x)( y)

n( x2) - ( x)2 x

r = grau de correlação de variáveis


• Grau de correlação entre variáveis ( r ): o valor r varia de +1 a -1.

• Quando r estiver próximo de +1, significa que uma mudança em uma variável corresponde a uma mudança no mesmo sentido na outra variável;

• Quando r estiver próximo de -1, significa que uma mudança em uma variável corresponde a uma mudança no sentido oposto na outra variável;

• Se r estiver perto de zero (0), não existe correlação entre as variáveis analisadas.



• Uma vez decidida a técnica de previsão e implantado o modelo, há necessidade de acompanhar o desempenho das previsões e confirmar sua validade perante a dinâmica atual dos dados.

Esta monitoração é realizada por meio de cálculo e acompanhamento do erro da previsão, que é a diferença entre valor real da demanda e o valor previsto do modelo para determinado período.

Manutenção e monitoração do modelo


• Uma forma de acompanhar o desempenho do modelo consiste em verificar o comportamento do erro acumulado, que deve tender a zero. Quanto menor o erro acumulado, mais precisa é a técnica de previsão. O erro acumulado pode também ser comparado com um múltiplo do desvio médio absoluto (DMA).

| Datual - Dprevista |

Manutenção e monitoração do modelo

nDMA =

1 aula 05 - gestão da demanda definição, importância e técnicas de previsão osvaldo pinheiro

Documents