aula 1- previsão de demanda

Sistemas de Produção Industrial

Previsão de Demanda

Aline Cazarini 2

O que é previsão?

“Processo racional de busca de informações acerca do valor das vendas futuras de um item ou de um conjunto de itens”

Aline Cazarini 3

Importância da Previsão da Demanda para: Finanças: projetar necessidades de capital ao longo prazo

RH: estimar necessidades dos funcionários

Sistemas de informação gerencial: projeta e implementa sistemas de previsão

Marketing: desenvolvem previsões de vendas que serão utilizadas para planos de médio e longo prazo

Operações: desenvolve e utiliza previsões para decisões como programação de funcionários, reposição de estoques a curto prazo e o planejamento a longo prazo da capacidade

Aline Cazarini 4

Fatores que influenciam a demanda por produtos e serviços Fatores competitivos

Tendências de mercado

Propaganda, promoção, determinação de preços e mudanças do produto

Mudanças tecnológicas avançadas

Preocupações ambientais

Aline Cazarini 5

Projeto de um sistema de previsão O gerente deve tomar três decisões antes

de usar técnicas de previsões: O que prever? Que tipo de técnica da previsão usar? Que tipo de hardware ou software (ou ambos)

usar?

Aline Cazarini 6

Escolha do tipo de técnica de previsão Fator importante: horizonte de tempo para

a decisão que requer previsão

Aline Cazarini 7

Horizonte de Tempo

Aplicação Curto prazo (0-3 meses)

Médio prazo (3 meses a 2 anos)

Longo prazo (mais de 2

anos)

Previsões de quantidade

•Produtos ou serviços individuais

•Vendas totais•Grupos ou famílias de produtos ou serviços

Vendas totais

Área de decisão •Gerenciamento de estoque•Programação de montagem final•Programação de equipe de vendas•Programação geral da produção

•Planejamento do quadro de colaboradores•Planejamento da produção•Programação geral da produção•Compras •Distribuição

•Localização das instalações•Planejamento da capacidade•Gerenciamento de processos

Técnica de previsão •Série de tempo •Causal•Julgamento

•Causal•Julgamento

•Causal•Julgamento

Aline Cazarini 8

Métodos de Previsão Diversos métodos

A escolha de um método depende de certos fatores: Disponibilidade de dados, tempo e recursos Horizonte de previsão

Características comuns: O comportamento passado é base para inferir sobre o

comportamento futuro Os métodos não conduzem a resultados perfeitos;

quanto maior o horizonte de previsão, maior a chance de erro

Aline Cazarini 9

Classificação dos Métodos de Previsão Qualitativos

Baseados no julgamento de pessoas que, de forma direta ou indireta, tenham condições de opinar sobre a demanda futura

Quantitativos Utilizam modelos matemáticos para chegar aos

valores previstos

Aline Cazarini 10

Métodos qualitativos Estimativas da equipe de vendas

Opinião dos executivos

Pesquisas de mercado

Método Delphi

Aline Cazarini 11

Estimativa da equipe de vendas Usado principalmente para produtos e serviços existentes

Estimativa de vendas regionais são obtidas de membros individuais da equipe

Essas estimativas são combinadas para formar uma única estimativa de vendas

É necessário que a empresa tenha um bom sistema de comunicação em funcionamento e uma equipe de vendas que vende diretamente aos clientes

Aline Cazarini 12

Estimativa da equipe de vendas Vantagens:

Maior probabilidade de conhecer produtos e serviços que os clientes desejam

Território de vendas dividido por distrito ou regiões Previsões individuais da equipe podem ser combinadas

Desvantagens: Distorções individuais Diferenciar entre o que o cliente deseja e o que ele

precisa Vendedores podem subestimar suas previsões

Aline Cazarini 13

Opinião dos executivos Método no qual as opiniões, experiência e

o conhecimento técnico de um ou mais gerentes são adotados para se obter uma previsão única Desvantagem: opinião executiva pode ser

custosa

Aline Cazarini 14

Pesquisas de Mercado Procedimentos úteis para novos produtos ou

serviços, ou produtos existentes a serem introduzidos em novos seguimentos de mercado

Questionários por correspondência, entrevistas telefônicas ou entrevistas de campos formam a base para testar hipóteses sobre mercados reais

Aline Cazarini 15

Pesquisas de Mercado Desvantagens:

Índice típico de resposta

Possibilidade de que os relatórios não reflitam opiniões do mercado

Idéias imitativas em vez de inovadoras

Aline Cazarini 16

Método Delphi Consiste na reunião de um grupo de

pessoas que devem opinar sobre um certo assunto, dentro de regras determinadas para a coleta e depuração das opiniões

Geralmente envolvem situações de longo prazo, onde os dados são escassos ou mesmo inexistentes

Aline Cazarini 17

Método Delphi Formado por pessoas que participarão do

processo: Especialistas no assunto ou em assuntos correlatos Expressam a opinião através de um questionário

individual Um sumário das opiniões é preparado e distribuído ao

grupo, dando uma maior atenção as opiniões divergentes da média

Pergunta-se aos participantes se querem rever suas previsões em relação aos resultados

Repete-se esse procedimento até atingir consenso

Aline Cazarini 18

Método Delphi Vantagem:

Permite obter opiniões pessoais sem que haja interação dentro do grupo, as quais poderiam distorcer resultados

Desvantagem: Não há mecanismos para se debater a

eventual ambigüidade de algumas questões

Aline Cazarini 19

Métodos quantitativos Método causal: usa dados históricos para

as variáveis independentes, como campanhas promocionais, condições econômicas e ação dos concorrentes

Análise de série temporal: baseia-se em dados históricos da demanda a fim de projetar a dimensão futura da demanda, reconhecendo tendências e padrões sazonais

Aline Cazarini 20

Método Causal: Regressão Linear Simples Usado quando há dados históricos Na regressão linear, uma variável, denominada

Variável dependente, relaciona-se com uma ou mais Variáveis independentes por meio de uma equação linear: Y = a+bX onde, Y = variável dependente X = variável independente a = intersecção da linha no eixo Y (+ ou -) b = inclinação da linha (coeficiente angular da reta) (+

ou -)

Aline Cazarini 21

Regressão Linear Simples: Significado dos parâmetros da reta

Y

X

Â

Y = a + b X

b = tgÂa

Aline Cazarini 22

Regressão Linear Simples: Método dos Mínimos Quadrados (MMQ) Equação de reta para valores previstos: Ý= a+bX

Erro de Previsão: Yi–Ýi

Critério: os parâmetros a e b da reta devem ser tais que o erro total ∑(Yi–Ýi)2 seja o mínimo possível

Equações normais ∑Y= na + b∑X ∑XY= a∑X + b∑ X2

Aline Cazarini 23

Exemplo: MMQ A gerente de Marketing de uma empresa deseja saber se a demanda por

um determinado tipo de produto é dependente do valor gasto com propaganda para o mesmo. Os dados das demandas dos meses anteriores e os gastos com propagandas encontram-se na tabela abaixo. Determine através da regressão linear simples se a demanda realmente depende do valor gasto em propaganda. Qual é a previsão da demanda para o mês de fevereiro sendo que o valor investido em propaganda foi de $2,3mil?

Mês Demanda (xMil) Valor gasto com propaganda (xMil) Setembro 1,25 5,1 Outubro 1,50 5,7 Novembro 1,46 5,5 Dezembro 2,00 6,2 Janeiro 2,54 7,5

Aline Cazarini 24

Resolução pelo Excel

Título do gráfico y = 0,5538x - 1,5727

R2 = 0,9739

0

0,5

1

1,5

2

2,5

3

5 5,5 6 6,5 7 7,5 8

X Y XY X25,1 1,25 6,375 26,015,7 1,5 8,55 32,495,5 1,46 8,03 30,256,2 2 12,4 38,447,5 2,54 19,05 56,2530,0 8,75 54,405 183,44

Aline Cazarini 25

Regressão linear: Coeficiente de Correlação da Amostra Objetivo: determinar os valores de a e b que

minimizem a soma dos quadrados dos desvios dos dados reais em relação a linha

Três medidas: Coeficiente de correlação da amostra r

Varia de -1 a 1 (r=1 correlação perfeita e positiva, ou seja, qdo uma cresce a outra cresce também. r=-1 correlação perfeita mas as variáveis são inversamente relacionadas)

Qto mais r se aproxima de zero, menor a correlação

Aline Cazarini 26

Regressão linear: Coeficiente de Determinação da Amostra É o quadrado do coeficiente de correlação

Coeficiente de determinação da amostra r2

Varia de 0 a 1

É interpretado como sendo a proporção de variância comum entre Y e X, ou seja, se r2=0,85, isto significa que 85% da variação de y é explicada pela variação de X, sendo os restantes 15% de variação devido a explicações desconhecidas

Erro padrão da estimativa: Sxy

Aline Cazarini 27

Cálculo do Coeficiente de Correlação e Determinação

r = n∑XY – (∑X)(∑Y)

√ n∑X2 – (∑X)2 √(n ∑Y2 – (∑ Y)2

r2 = ∑(Ý- Y)2

∑(Y- Y)2

Aline Cazarini 28

Análise de Série Temporal: Padrões de Demanda Um padrão é o formato geral de uma série

temporal

0

1

2

3

4

5

1 2 3 4 5 6 7 8 9 10 11 12

Tendência

Demanda sazonal

Demanda

Trimestre

Aline Cazarini 29

Padrões básicos Horizontal: flutuação dos dados em torno de uma média

Tendência: aumento ou diminuição sistemáticos nas médias das séries ao longo do tempo

Sazonal: padrão repetido de aumentos ou diminuições da demanda, dependendo da hora, do dia, da semana, do mês ou da estação

Cíclico: aumentos ou diminuições graduais da demanda menos previsíveis em períodos mais longos de tempo (anos ou décadas)

Aleatório: variação da demanda que não pode ser precista

Aline Cazarini 30

Métodos de séries temporais Dizem respeito somente a variável

dependente

Identifica padrões básicos de demanda que se combinam para indicar um padrão histórico

Aline Cazarini 31

Média Móvel Tipo de modelo de previsão com série temporal

de curto prazo que prevê vendas para o período seguinte

Nesse modelo, a média aritmética das vendas reais corresponde a um número específico de períodos de tempo mais recentes é a previsão para o período seguinte

Ex:

Aline Cazarini 32

ExemploA demanda em cada um dos últimos três meses foi de

respectivamente 120, 135 e 114 unidades. Utilizando uma média móvel de 3 meses, calcule a previsão para o quarto mês.

RespostaPrevisão para o mês 4 = 120+135+114 = 123

3A demanda real para o mês quatro acabou sendo 129. Calcule

a previsão para o quinto mês.

RespostaPrevisão para o mês 5 = 135+114+129 = 126

3

Aline Cazarini 33

Exemplo da Aplicação da Média MóvelSemana Demanda

RealPrevisões

PR=3 semanas PR=5 semanas PR=7 semanas

1 90

2 110

3 105

4 130

5 85

6 102

7 110

8 90 99,0 106,4 104,6

9 105 100,7 103,4 104,6

10 95 101,7 98,4 103,9

11 115 96,7 100,4 102,4

12 120 105,0 103,0 100,3

13 80 110,0 105,0 105,3

14 95 105,0 103,0 102,1

Aline Cazarini 34

Exemplo de cálculo da média móvel

F3 = (85+102+110)/3 = 99,0

F5 = (105+130+85+102+110)/5 = 106,4

F7 = (90+110+105+130+85+102+110)/7 = 104,6

Aline Cazarini 35

Média Ponderada Móvel Nesse modelo, a média ponderada das vendas

passadas é a previsão para o período seguinte

Semana Dados Reais Peso

7 85 0,20

8 102 0,30

9 110 0,50

Previsão = 0,2*85 + 0,3*102 + 0,5*110 = 102,6

Aline Cazarini 36

Média Móvel Exponencialmente Ponderada de 1a Ordem Método sofisticado de média móvel

ponderada que calcula a média de uma série temporal atribuindo às demandas recentes maior peso do que as demandas iniciais

Baseada na previsão calculada anteriormente e nos novos dados

Atribui-se pesos aos meses

Aline Cazarini 37

Média Móvel Exponencialmente Ponderada de 1a Ordem Fórmula para o cálculo da nova previsão:

Nova previsão = (última demanda) + (1- )(previsão anterior)

Exemplo: =0,3

Previsão p/ julho = 0.3*10 + 0.7*10 =10 Previsão p/ agosto = 0.3*12 + 0.7*10 =10,6 Previsão p/ setembro = 0.3*15 + 0.7*10,6 =11,9 Previsão p/ outubro = 0.3*14 + 0.7*11,9 =12,5

Mês Demanda Real Demanda Prevista Junho 10 10 Julho 12 10 Agosto 15 10,6 Setembro 14 11,9 Outubro ... 12,5

Aline Cazarini 38

Exemplo A demanda prevista para maio era de 220 e a

demanda real para o mesmo mês foi de 190. Se tem valor de 0.15, calcule a previsão para junho. Se a demanda de junho for de 218, calcule a previsão para julho. Resposta

Previsão para junho = 0.15*190 + (1-0.15)*220 = 215.5Previsão para julho = 0.15*218 + (0.85)*215.5 = 215.9

Aline Cazarini 39

Inclusão de uma tendência Uma tendência em uma série temporal é um aumento ou

diminuição sistemática na média da série ao longo do tempo

É necessário calcular uma estimativa de tendência para melhorar a previsão

O método para incorporar uma tendência em uma previsão de suavização exponencial é denominado Método de Suavização Exponencial com Ajuste de Tendência

Aline Cazarini 40

Inclusão de uma tendência At = αDt + (1- α )(At-1 +Tt-1)

Tt = β(At – At-1) + (1- β)Tt-1

Ft+1 = At + Tt Onde:

At =média exponencialmente suavizada da série no período t

Tt =média exponencialmente suavizada da tendência no período t

α = parâmetro de suavização para a média, com valor entre 0 e 1

β = parâmetro de suavização para a tendência, com valor entre 0 e 1

Ft+1 = previsão para o período t+1

Aline Cazarini 41

Padrões Sazonais Alterações regularmente repetitivas para

cima ou para baixo nas medidas da demanda em intervalos inferiores a um ano

Os intervalos de tempo são denominados período sazonal

Método Sazonal Multiplicativo: os fatores sazonais são multiplicados por uma estimativa da demanda média para se chegar a uma previsão sazonal

Aline Cazarini 42

Método Sazonal Multiplicativo1. Calcule a demanda média para cada ano por

período sazonal

2. Divida para cada ano a demanda real para um período sazonal pela demanda média por período sazonal. O resultado é um índice sazonal para cada período sazonal do ano.

3. Calcule o índice sazonal médio para cada período sazonal usando o estágio 2. Some os índices sazonais para um intervalo e divida pelo nº de anos correspondentes aos dados

4. Calcule a previsão de cada período sazonal para o próximo ano.

Aline Cazarini 43

Exemplo: O gerente de uma concessionária de serviços públicos em uma

região de Ribeirão Preto deseja desenvolver previsões trimestrais de utilização de energia elétrica para o próximo ano. A energia distribuída é sazonal. Os dados sobre suas cargas em megawatts (MW) para os últimos quatro anos são os seguintes:

O gerente estimou que a demanda total para o próximo ano será de 780MW. Use o método sazonal multiplicativo, a fim de

desenvolver a previsão para cada trimestre.

Ano Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4 1 103,5 94,7 118,6 109,3 2 126,1 116,0 141,2 131,6 3 144,5 137,1 159,0 149,5 4 166,1 152,5 178,2 169,0

Passo 1

Aline Cazarini 44

Calcule a demanda média para cada ano conforme exemplo na tabela

Passo 2 Para cada trimestre, divida a demanda do

trimestre pela média calculada anteriormente para cada ano, conforme exemplo

Aline Cazarini 45

Passo 3 Somar os índices sazonais de todos os

anos para cada trimestre e dividir pelo número de anos, conforme tabela.

Aline Cazarini 46

Passo 4 Temos que: IS=Demanda real/demanda médiaAssim, Demanda real = ISxdemanda média Para calcular a previsão para cada período deve-se calcular a

demanda média anual e aplicar a fórmula acima

Aline Cazarini 47

Aline Cazarini 48

Erros de Previsão As previsões quase sempre contém erros

Os erros podem ser classificados em: Erros de viés: enganos consistentes. A previsão

é sempre muito alta ou muito baixa

Erros Aleatórios: resulta de fatores imprevisíveis

Aline Cazarini 49

Medidas do erro de previsão Erro de previsão: diferença obtida

subtraindo a previsão da demanda real em um dado período

tperíodo o para previsão

tperíodo o para real demanda

tperíodo o para previsão de erro

: onde ,

t

t

t

ttt

F

D

E

FDE

Aline Cazarini 50

Medidas de Erros de Previsão Soma cumulativa dos erros de previsão

(CFE)

Erro de previsão médio

tECFE

n

CFEE

Aline Cazarini 51

Medidas de Erros de Previsão Erro médio ao quadrado (MSE), desvio

padrão (σ) e desvio absoluto médio (MAD)

Erro potencial absoluto médio (MAPE)n

EMSE

t2

1

)( 2

n

EEt

n

EMAD

t

n

DEMAPE tt 100

Aline Cazarini 52

Sinais de monitoramento Medida que indica se um método de

previsão está prevendo de modo preciso as variações reais da demanda

MAD

CFE ntomonitorame de Sinal

Aline Cazarini 53