previsão de demanda - parte i
TRANSCRIPT
![Page 1: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/1.jpg)
PREVISÃO DE DEMANDA
Prof. Msc. Mauro Enrique Carozzo Todaro
![Page 2: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/2.jpg)
“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)
O QUE É?
PREVISÃO DE DEMANDA
![Page 3: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/3.jpg)
• reduzir a incerteza sobre o futuro• reduzir os riscos na tomada de decisão
PREVISÃO DE DEMANDA
QUAL É O OBJETIVO?
![Page 4: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/4.jpg)
•Porque existem demoras na provisão.•Servem como base para o planejamento.
PREVISÃO DE DEMANDA
POR QUE SÃO NECESSÁRIAS?
![Page 5: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/5.jpg)
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 ira se repetir.
Previsões raramente são perfeitas.
As previsões de demanda agregada são, normalmente, mais precisas que as individuais (menos aleatoriedade).
![Page 6: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/6.jpg)
ELEMENTOS PRESENTES EM UMA BOA PREVISÃO
PREVISÃO DE DEMANDA
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 de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/7.jpg)
• Média, intervalo e estimação de probabilidade do intervalo.
Ex: 100 (+/-) 20, com uma probabilidade de 95%
• Intervalo de confiança = F ± z. SDEF: previsão para o período tz: numero 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.
PREVISÃO DE DEMANDA
ELEMENTOS PRESENTES EM UMA BOA PREVISÃO
DEVE SER EXATA
![Page 8: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/8.jpg)
Curto: 1 a 3 meses, por semanas ou mesesMédio:3 meses a 2 anos, por meses ou trimestresLongo: 2 a 10 anos, por trimestres ou anos
PREVISÃO DE DEMANDA
HORIZONTES DE PREVISÃO
![Page 9: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/9.jpg)
MÉTODOS DE PREVISÃOMÉTODOS
QUANTITATIVOS
INTRÍNSECOS
EXTRÍNSECOS
QUALITATIVOS
PREVISÃO DE DEMANDA
![Page 10: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/10.jpg)
• 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.
PREVISÃO DE DEMANDA
QUANTITATIVOS
INTRÍNSECOS
MÉTODOS DE PREVISÃO
![Page 11: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/11.jpg)
Exemplos:
• Médias móveis.• Ajustamento exponencial.• Decomposição.• Crescimento linear e não linear.• Entre outros.
PREVISÃO DE DEMANDA
QUANTITATIVOS
INTRÍNSECOS
MÉTODOS DE PREVISÃO
![Page 12: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/12.jpg)
• Para demanda agregada e desagregada.• Objetividade (erro médio, desvio padrão, etc.).• Baixo custo.• Pode ser repetido muitas vezes.• Não prevê mudanças futuras.
PREVISÃO DE DEMANDA
QUANTITATIVOS
INTRÍNSECOS
MÉTODOS DE PREVISÃO
![Page 13: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/13.jpg)
• Modelos causais (explicativos ou econométricos).• Horizonte: Longo prazo.
Modelam a relação entre a demanda e outras variáveis (variáveis independentes) para projetar o futuro.
PREVISÃO DE DEMANDA
QUANTITATIVOS
EXTRÍNSECOS
MÉTODOS DE PREVISÃO
![Page 14: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/14.jpg)
• 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).
PREVISÃO DE DEMANDA
QUANTITATIVOS
EXTRÍNSECOS
MÉTODOS DE PREVISÃO
![Page 15: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/15.jpg)
Baseados em juízos e opiniões:
• Método Delphi; • Pesquisa de mercados; • Painéis de expertos.
PREVISÃO DE DEMANDA
QUALITATIVOS
MÉTODOS DE PREVISÃO
![Page 16: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/16.jpg)
São úteis:
• quando não existem dados históricos suficientes (novos produtos);
• em previsões de longo prazo, quando não se pode supor que o passado ira-se repetir;
• para ajustar valores obtidos por métodos quantitativos.
PREVISÃO DE DEMANDA
QUALITATIVOS
MÉTODOS DE PREVISÃO
![Page 17: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/17.jpg)
PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS
020406080
100120
1 6 11 16 21 26 31 36 41
Aleatoriedade
0
200
400
600
800
1 6 11 16 21 26 31 36 41
Tendência
0
50
100
150
1 6 11 16 21 26 31 36 41
Autocorrelação
EXEMPLOS DE SÉRIES TEMPORAIS
![Page 18: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/18.jpg)
PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS
EXEMPLOS DE SÉRIES TEMPORAIS
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 19: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/19.jpg)
0
200
400
600
800
1 6 11 16 21 26 31 36 41
Série obsevada
PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS
![Page 20: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/20.jpg)
Período a período - horizonte deslizante.
Ex: Se prevêem12 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.
REVISÃO DA PREVISÃO
PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS
![Page 21: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/21.jpg)
A determinação do erro de previsão é fundamental para:•Determinar a efetividade do método•Comparar métodos
Notação:
Y: Demanda real observada no período tF: Previsão para o período tN: Quantidade de períodos observados
Erro de previsão et = Yt – Ft
Erro médio ē =
Um bom modelo de previsão tem erro médio próximo de zero.
N
t
tt
N
t
t FYN
eN 11
)(11
PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS
ERRO DE PREVISÃO
![Page 22: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/22.jpg)
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 INTRÍNSECOS
ERRO DE PREVISÃO
![Page 23: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/23.jpg)
Médias Móveis SimplesPrevisão com médias moveis:
•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.
n
YYYF
ntttt
...21
MÉTODOS INTRÍNSECOS – MÉDIAS MÓVEIS SIMPLES
![Page 24: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/24.jpg)
MÉTODOS INTRÍNSECOS – MÉDIAS MÓVEIS SIMPLESPer. Mês Dem. Hist.
t Yt Ft et Ft et Ft et1 Jan 892 Fev 923 Mar 100 90,5 9,54 Abr 107 96,0 11,05 Maio 89 103,5 -14,5 97,0 -8,06 Jun 90 98,0 -8,0 97,0 -7,07 Jul 87 89,5 -2,5 96,5 -9,58 Ago 93 88,5 4,5 93,3 -0,39 Set 92 90,0 2,0 89,8 2,3 93,4 -1,4
10 Out 110 92,5 17,5 90,5 19,5 93,8 16,311 Nov 86 101,0 -15,0 95,5 -9,5 96,0 -10,012 Dez 107 98,0 9,0 95,3 11,8 94,3 12,813 Jan 92 96,5 -4,5 98,8 -6,8 94,3 -2,314 Fev 87 99,5 -12,5 98,8 -11,8 94,6 -7,615 Mar 90 89,5 0,5 93,0 -3,0 94,3 -4,316 Abr 87 88,5 -1,5 94,0 -7,0 94,6 -7,617 Maio 91 88,5 2,5 89,0 2,0 93,9 -2,918 Jun 95 89,0 6,0 88,8 6,3 93,8 1,319 Jul 100 93,0 7,0 90,8 9,3 91,9 8,120 Ago 94 97,5 -3,5 93,3 0,8 93,6 0,421 Set 84 97,0 -13,0 95,0 -11,0 92,0 -8,022 Out 94 89,0 5,0 93,3 0,8 91,0 3,023 Nov 101 89,0 12,0 93,0 8,0 91,9 9,124 Dez 96 97,5 -1,5 93,3 2,8 93,3 2,8
98,5 93,8 94,40,63 0,89 0,609,07 8,81 7,75
2 per 4 per 8 per
Desv. Pad. do erro (9 a 24)
Previsão mês 25Erro médio (9 a 24)
![Page 25: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/25.jpg)
MÉTODOS INTRÍNSECOS – MÉDIAS MÓVEIS SIMPLES
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24CE6605660al
CE6605660al
CE6605660al
Médias Moveis Simples
Dem. Hist. 2 per 4 per 8 per
![Page 26: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/26.jpg)
Suavização Exponencial Simples
Previsão:
Aonde . 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 alta (baixa) autocorrelação usar altos (baixos) valores de α.•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 históricosObs: o método necessita só os dados do período anterior, mas implicitamente estão todos.
11111 1 tttttt FYFYFF 10
MÉTODOS INTRÍNSECOS – SUAVIZAÇÃO EXPONENCIAL SIMPLES
![Page 27: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/27.jpg)
MÉTODOS INTRÍNSECOS – SUAVIZAÇÃO EXPONENCIAL SIMPLESPer. Mês Dem. Hist.
t Yt Ft et Ft et Ft et1 Jan 89 89,00 89 892 Fev 92 89,00 89,00 89,003 Mar 100 89,90 10,1 90,50 9,5 91,40 8,64 Abr 107 92,93 14,1 95,25 11,8 98,28 8,75 Maio 89 97,15 -8,2 101,13 -12,1 105,26 -16,36 Jun 90 94,71 -4,7 95,06 -5,1 92,25 -2,37 Jul 87 93,29 -6,3 92,53 -5,5 90,45 -3,58 Ago 93 91,41 1,6 89,77 3,2 87,69 5,39 Set 92 91,88 0,1 91,38 0,6 91,94 0,1
10 Out 110 91,92 18,1 91,69 18,3 91,99 18,011 Nov 86 97,34 -11,3 100,85 -14,8 106,40 -20,412 Dez 107 93,94 13,1 93,42 13,6 90,08 16,913 Jan 92 97,86 -5,9 100,21 -8,2 103,62 -11,614 Fev 87 96,10 -9,1 96,11 -9,1 94,32 -7,315 Mar 90 93,37 -3,4 91,55 -1,6 88,46 1,516 Abr 87 92,36 -5,4 90,78 -3,8 89,69 -2,717 Maio 91 90,75 0,2 88,89 2,1 87,54 3,518 Jun 95 90,83 4,2 89,94 5,1 90,31 4,719 Jul 100 92,08 7,9 92,47 7,5 94,06 5,920 Ago 94 94,45 -0,5 96,24 -2,2 98,81 -4,821 Set 84 94,32 -10,3 95,12 -11,1 94,96 -11,022 Out 94 91,22 2,8 89,56 4,4 86,19 7,823 Nov 101 92,06 8,9 91,78 9,2 92,44 8,624 Dez 96 94,74 1,3 96,39 -0,4 99,29 -3,3
95,12 96,19 96,660,79 0,52 0,308,39 8,90 9,86
= 0,3 b = 0,5 g = 0,8
Desv. Pad. do erro (3 a 24)
Previsão mês 25Erro médio (3 a 24)
![Page 28: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/28.jpg)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24CE6605660al
CE6605660al
CE6605660al
Suav. Exp. Simples
Dem. Hist. a = 0,3 b = 0,5 g = 0,8
![Page 29: Previsão de demanda - Parte I](https://reader036.vdocuments.com.br/reader036/viewer/2022081422/5572392bd8b42a78548b4a25/html5/thumbnails/29.jpg)
Referências Bibliográficas
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.