previsão da demanda i
TRANSCRIPT
![Page 1: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/1.jpg)
1
PREVISÃO DE DEMANDAParte 1
Prof. Dr. Mauro Enrique Carozzo Todaro
Saiba mais em https://pcpengenharia.wordpress.com/previsao/
![Page 2: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/2.jpg)
O QUE É?
PREVISÃO DE DEMANDA
2
“Processo metodológico para determinação de dados (demanda) futuros baseados em modelos estatísticos, matemáticos ou econométricos ou ainda em modelos subjetivos apoiados em uma metodologia de trabalho clara e previamente definida.”
Martins e Laugeni (2006, P. 226)
![Page 3: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/3.jpg)
3
QUAL É O OBJETIVO?
PREVISÃO DE DEMANDA
• Reduzir a incerteza sobre o futuro;• Reduzir os riscos na tomada de decisão.
![Page 4: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/4.jpg)
4
POR QUE SÃO NECESSÁRIAS?
PREVISÃO DE DEMANDA
• Porque existem demoras na provisão;• Servem como base para o planejamento estratégico da
produção, vendas e finanças;• São fundamentais para os planos de capacidade, de fluxo de
caixa, de vendas, de produção, de estoque, de mão de obra e de compras.
![Page 5: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/5.jpg)
5
CARACTERÍSTICAS
PREVISÃO DE DEMANDA
Diretamente relacionada com a satisfação do cliente e a rentabilidade no longo prazo.
Quase todas as previsões se baseiam na suposição de que o passado irá se repetir.
Previsões raramente são perfeitas e a precisão diminui com o aumento do período de tempo sondado.
As previsões de demanda agregada são, normalmente, mais precisas que as individuais (menor aleatoriedade).
![Page 6: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/6.jpg)
ELEMENTOS PRESENTES EM UMA BOA PREVISÃO
PREVISÃO DE DEMANDA
6
O horizonte de previsão precisa cobrir o tempo necessário à implementação das possíveis mudanças.
Previsões eficazes requerem uma base de dados de demanda precisa.
Registrar a demanda (não vendas) em tempo real, não depois.
![Page 7: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/7.jpg)
PREVISÃO DE DEMANDA
• Média, intervalo e estimação de probabilidade do intervalo.
Ex: 100 (+/-) 20, com uma probabilidade de 95%
• Intervalo de confiança = F ± z. SDEOnde:F: Previsão para o período tz: Número de desvio padrão correspondente a área sob a curva normal. z = 1,64 (confiança de 90%), z = 1,96 (95%) e z = 3,0 (99,7%).SDE: Desvio padrão do erro.
7
DEVE SER EXATA
ELEMENTOS PRESENTES EM UMA BOA PREVISÃO
![Page 8: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/8.jpg)
8
COMO SÃO USADAS PELO PCP?
PREVISÃO DE DEMANDA
![Page 9: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/9.jpg)
9
HORIZONTES DE PREVISÃO
PREVISÃO DE DEMANDA
• Curto - 1 a 3 meses, por semanas ou meses;• Médio - 3 meses a 2 anos, por meses ou trimestres;• Longo - 2 a 10 anos, por trimestres ou anos.
Obs.: Quanto maior for o horizonte pretendido, menor a confiabilidade da demanda prevista.
![Page 10: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/10.jpg)
10
ETAPAS DE UM MODELO DE PREVISÃO
PREVISÃO DE DEMANDA
Objetivo do modelo
Coleta e análise de dados
Seleção da técnica de previsão
Obtenção das previsões
Monitoração do modelo
![Page 11: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/11.jpg)
11
MÉTODOS
QUANTITATIVOS
INTRÍNSECOS(Séries Temporais)
EXTRÍNSECOS(Regressões)
QUALITATIVOS
TÉCNICAS DE PREVISÃO
PREVISÃO DE DEMANDA
![Page 12: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/12.jpg)
12
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
• Baseados na análise de séries de tempo*; • Modelam o padrão do passado para projetá-lo no futuro;• Horizonte: Médio e curto prazo.
*Série de tempo: Sucessão de observações de uma mesma variável em intervalos regulares de tempo.
QUANTITATIVOS
INTRÍNSECOS
![Page 13: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/13.jpg)
13
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
Exemplos:• Médias móveis;• Ajustamento exponencial;• Decomposição;• Crescimento linear e não linear;• Entre outros.
QUANTITATIVOS
INTRÍNSECOS
![Page 14: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/14.jpg)
14
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
• Para demanda agregada e desagregada;• Os modelos de previsão pode conter tendência, sazonalidade,
autocorrelação, entre outros;• Objetividade (erro médio, desvio padrão, etc.);• Baixo custo;• Pode ser repetido muitas vezes;• Não prevê mudanças futuras.
QUANTITATIVOS
INTRÍNSECOS
![Page 15: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/15.jpg)
15
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
• Modelos causais (explicativos ou econométricos);• Horizonte: Longo prazo;• Modelam a relação entre a demanda e outras variáveis
(variáveis independentes) para projetar o futuro.
QUANTITATIVOS
EXTRÍNSECOS
![Page 16: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/16.jpg)
16
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
• Regressão simples, múltipla, linear e não linear;• Para demandas agregadas, dado que são muito custosos;• Grandes corporações;• Mais complexos que os intrínsecos (requerem previsão de
variáveis externas).
QUANTITATIVOS
EXTRÍNSECOS
![Page 17: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/17.jpg)
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
Baseados em juízos e opiniões: • Método Delphi; • Pesquisa de Mercados; • Painéis de Expertos.
17
QUALITATIVOS
![Page 18: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/18.jpg)
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
São úteis: • Quando não existem dados históricos suficientes (novos
produtos);• Em previsões de longo prazo, quando não se pode supor
que o passado irá se repetir; • Para ajustar valores obtidos por métodos quantitativos.
18
QUALITATIVOS
![Page 19: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/19.jpg)
EXEMPLOS DE SÉRIES TEMPORAIS
PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
19
020406080
100120
1 6 11 16 21 26 31 36 41
Aleatoriedade
0
50
100
150
1 6 11 16 21 26 31 36 41
Autocorrelação
0200400600800
1 6 11 16 21 26 31 36 41
Tendência
![Page 20: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/20.jpg)
EXEMPLOS DE SÉRIES TEMPORAIS
PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
20
050
100150200250
1 6 11 16 21 26 31 36 41
Sazonalidade
0
200
400
600
800
1 6 11 16 21 26 31 36 41
Tendência e Sazonalidade
![Page 21: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/21.jpg)
PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
21
0
200
400
600
800
1 6 11 16 21 26 31 36 41
Série obsevada
![Page 22: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/22.jpg)
22
REVISÃO DA PREVISÃO
• Período a período - horizonte deslizante.
Ex: Se preveem 12 meses, cada mês que passa, volto a prever outros 12 meses (revisou os 11 que tinha previsto e acrescento 1)
• Na revisão se modificam previsões realizadas e se acrescenta um período novo.
PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
![Page 23: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/23.jpg)
23
ERRO DE PREVISÃO
A determinação do erro de previsão é fundamental para:• Determinar a efetividade do método;• Comparar métodos.
Erro de previsão: et = Yt – Ft
Erro médio: ē =
Um bom modelo de previsão tem erro médio próximo de zero.
N
1t
tt
N
1t
t )F(YN1e
N1
Onde:Yt: Demanda real observada no período tFt: Previsão para o período tN: Quantidade de períodos observados
PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
![Page 24: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/24.jpg)
24
ERRO DE PREVISÃO
Desvio padrão do erro:
Um bom modelo de previsão minimiza o desvio padrão dos erros (reduz estoque).
11
2)(
NSDE
N
tt ee
PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
![Page 25: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/25.jpg)
25
MÉDIA MÓVEIS SIMPLES (MMS)
• Previsão com médias móveis:
• Usar n grande para séries muito aleatórias;• Usar n pequeno para autocorrelação (n pequeno suaviza o
padrão);• Não modela tendência, nem sazonalidade;• Otimização de n: minimizar o SDE considerando N períodos
históricos.
Obs.: Com n = 1, a previsão é igual ao mês anterior.
nYYYF nttt
t
...21
MÉTODOS INTRÍSECOS
![Page 26: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/26.jpg)
26
MÉTODOS INTRÍSECOS – MÉDIA MÓVEIS SIMPLESPer Dem. Hist.
t Yt Ft et Ft et Ft et1 Jan 3.256 2 Fev 3.315 3 Mar 3.006 4 Abr 3.560 3.192 368 5 Mai 3.300 3.294 6 6 Jun 3.051 3.289 238- 7 Jul 3.425 3.304 121 3.248 177 8 Ago 3.703 3.259 444 3.276 427 9 Set 3.240 3.393 153- 3.341 101-
10 Out 3.231 3.456 225- 3.380 149- 11 Nov 2.887 3.391 504- 3.325 438- 12 Dez 3.918 3.119 799 3.256 662 13 Jan 3.271 3.345 74- 3.401 130- 3.324 53- 14 Fev 3.073 3.359 286- 3.375 302- 3.326 253- 15 Mar 3.396 3.421 25- 3.270 126 3.305 91 16 Abr 3.036 3.247 211- 3.296 260- 3.338 302- 17 Mai 3.196 3.168 28 3.264 68- 3.294 98- 18 Jun 4.106 3.209 897 3.315 791 3.286 820 19 Jul 3.449 3.446 3 3.346 103 3.374 76 20 Ago 3.913 3.584 329 3.376 537 3.376 538 21 Set 3.324 3.823 499- 3.516 192- 3.393 69- 22 Out 3.277 3.562 285- 3.504 227- 3.400 123- 23 Nov 3.204 3.505 301- 3.544 340- 3.404 200- 24 Dez 4.079 3.268 811 3.546 534 3.430 649
3.520 3.541 3.444 388 572 1.075
32 48 90 438 379 373Desv. Pad. do erro (13 a 24)
Erro acumulado (13 a 24)
MêsPer 3 Per 6 Per 12
Previsão mês 25
Erro médio ( 13 a 24)
Consulte este exemplo em https://pcpengenharia.wordpress.com/previsao/
![Page 27: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/27.jpg)
27Consulte o gráfico em https://pcpengenharia.wordpress.com/previsao/
MÉTODOS INTRÍSECOS – MÉDIA MÓVEIS SIMPLES
![Page 28: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/28.jpg)
SUAVIZAÇÃO EXPONENCIAL SIMPLES*
• Previsão:
Obs.: Onde , e como valor inicial se considera F1 = Y1.
• É um dos métodos mais utilizados;• Usar α alto para séries muito suaves, α baixo para séries muito aleatórias;• Com α alto reage mais rápido à tendência, mas também às flutuações
aleatórias;• Não modela tendência nem sazonalidade;• Otimização de α : minimizar o SDE considerando N períodos históricos.
Obs.: o método necessita só os dados do período anterior, mas implicitamente estão todos.
* Também denominado Ajustamento ou Amortecimento Exponencial Simples.28
10
11111 1 tttttt FYFYFF
MÉTODOS INTRÍSECOS
![Page 29: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/29.jpg)
29
Per Dem. Hist.t Yt Ft et Ft et Ft et1 Jan 3.256 2 Fev 3.315 3.256 59 3.256 59 3.256 59 3 Mar 3.006 3.262 256- 3.286 280- 3.303 297- 4 Abr 3.560 3.236 324 3.146 414 3.065 495 5 Mai 3.300 3.269 31 3.353 53- 3.461 161- 6 Jun 3.051 3.272 221- 3.326 275- 3.332 281- 7 Jul 3.425 3.250 175 3.189 236 3.107 318 8 Ago 3.703 3.267 436 3.307 396 3.361 342 9 Set 3.240 3.311 71- 3.505 265- 3.635 395-
10 Out 3.231 3.304 73- 3.372 141- 3.319 88- 11 Nov 2.887 3.296 409- 3.302 415- 3.249 362- 12 Dez 3.918 3.256 662 3.094 824 2.959 959 13 Jan 3.271 3.322 51- 3.506 235- 3.726 455- 14 Fev 3.073 3.317 244- 3.389 316- 3.362 289- 15 Mar 3.396 3.292 104 3.231 165 3.131 265 16 Abr 3.036 3.303 267- 3.313 277- 3.343 307- 17 Mai 3.196 3.276 80- 3.175 21 3.097 99 18 Jun 4.106 3.268 838 3.185 921 3.176 930 19 Jul 3.449 3.352 97 3.646 197- 3.920 471- 20 Ago 3.913 3.362 551 3.547 366 3.543 370 21 Set 3.324 3.417 93- 3.730 406- 3.839 515- 22 Out 3.277 3.407 130- 3.527 250- 3.427 150- 23 Nov 3.204 3.394 190- 3.402 198- 3.307 103- 24 Dez 4.079 3.375 704 3.303 776 3.225 854
3.446 3.691 3.908 1.897 870 815
82 38 35 346 405 455
Erro acumulado (2 a 24)Erro médio (2 a 24)
Desv. Pad. do erro (2 a 24)
Mês α= 0,10 α= 0,50 α= 0,80
Previsão mês 25
MÉTODOS INTRÍSECOS – SUAVIZAÇÃO EXPONENCIAL SIMPLES
Consulte este exemplo em https://pcpengenharia.wordpress.com/previsao/
![Page 30: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/30.jpg)
30Consulte este exemplo em https://pcpengenharia.wordpress.com/previsao/
MÉTODOS INTRÍSECOS – SUAVIZAÇÃO EXPONENCIAL SIMPLES
![Page 31: Previsão da Demanda I](https://reader036.vdocuments.com.br/reader036/viewer/2022081513/5879fb231a28ab70298b6f83/html5/thumbnails/31.jpg)
31
REFERÊNCIAS
MARTINS, P. G. e LAUGENI, F. P. Capítulo 8: Previsão de Vendas. In: Administração da produção. Petrônio Garcia Martins e Fernando P. Laugeni. 2 ed. São Paulo: Saraiva, 2006. MOREIRA, D. A. Capítulo 11: Previsão da Demanda. In: Administração da produção e operações. MOREIRA, Daniel Augusto. 2 ed. São Paulo: Cengage Learning, 2011. STEVENSON, W. Capítulo 3: Previsões. In: Administração das operações de produção. STEVENSON, Willam J. 6 ed. Rio de Janeiro: LTC, 2001.
TUBINO, D. F. Capítulo 2: Previsão da Demanda. In: Planejamento e Controle da Produção - Teoria e Prática. 2 ed. São Paulo: Atlas, 2009.