Download - 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