Previsão da Demanda

1. 1
Administração de
Materiais e Cadeia de
suprimentos
Previsão da demanda

2.  Gestão da demanda
 Métodos Qualitativos de
Previsão
 Previsões por Médias Móveis
Simples & Ponderadas
 Suavização Exponencial
 Regressão Linear Simples
 Previsões baseadas na Web
OBJETIVOS

3. Gestão da Demanda
A
B(4) C(2)
D(2) E(1) D(3) F(2)
Demanda Dependente:
Matérias Primas,
Partes de Componentes,
Sub-montagens, etc.
Demanda Independente:
Bens finalizados

4. Demanda Independente:
O que uma firma pode fazer para gerencia-la?
Pode exercer um papel ativo para influenciar
a demanda
Pode exercer um papel passivo e
simplesmente responder à demanda

5. Tipos de Previsão
 Qualitativa (Julgamento)
 Quantitativa
– Análise de Séries Temporais
– Relações causais
– Simulação

6. Componentes da Demanda
 Demanda Média para um
período
 Tendência
 Elementos Sazonais
 Elementos Cíclicos
 Variação Aleatória
 Autocorrelação

7. Encontrando os componentes da
demanda
1 2 3 4
x
x x
x
x
x
x x
x
x
x x x x
x
x
x
x
x
x x x
x
x
x x x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
Ano
Vendas
Variação Sazonal
Tendência
Linear

8. Métodos Qualitativos
“Grass Roots”
Pesquisa de
Mercado
Consenso em
Painel
Julgamento do
Executivo
Analogia Histórica
Método Delphi
Métodos
Qualitativos

9. Método Delphi
l. Escolha os especialistas para participar
representando um variedade de
conhecimentos de diferentes áreas
2. Através de um questionário (ou e-mail),
obtenha previsões (e quaisquer premissas ou
qualificações para as previsões) de todos os
participantes
3. Sintetize os resultados e os redistribua para os
participantes junto com as novas questões
apropriadas
4. Sintetize novamente, refinando as previsões e
condições, e novamente desenvolva novas
questões
5. Repita o procedimento 4 enquanto necessário
e distribua os resultados finais para todos os
participantes.

10. Análise de Séries Temporais
 Modelos de Previsão de Séries Temporais
buscam prever o futuro baseados em
dados históricos
 Você pode escolher modelos de previsão
a depender do(a):
1. Horizonte de tempo da predição
2. Disponibilidade de dados
3. Exatidão requerida
4. Tamanho do orçamento para previsão
5. Disponibilidade de pessoal qualificado

11. Fórmula Simples de Média Móvel
 O modelo simples de média móvel assume
que a média é um bom estimador do
comportamento futuro
 A fórmula para a média móvel é:
Ft = Previsão para o período seguinte
N = Número de períodos a compor a média
A t-1 = Ocorrência de um período passado observada há
“n” períodos.

12. Problema (1) de Média mMóvel Simples
Questão: Quais são as
previsões de média
móvel da demanda
de 3 e 6 semanas?
Admita que você possui
apenas 3 semanas e 6
semanas de dados
atuais sobre a
demanda para fazer
as respectivas
previsões.
Semana Demanda
1 650
2 678
3 720
4 785
5 859
6 920
7 850
8 758
9 892
10 920

13. Semana Demanda3-Semanas6-Semanas
1 650
2 678
3 720
4 785 682.67
5 859 727.67
6 920 788.00
7 850 854.67 768.67
8 758 876.33 802.00
9 892 842.67 815.33
10 920 833.33 844.00
11 789 856.67 866.50
12 844 867.00 854.83
F4=(650+678+720)/3
=682.67
F7=(650+678+720
+785+859+920)/6
=768.67
Calculando-se as médias móveis têm-se:
©The McGraw-Hill Companies, Inc., 2004
13

14. Plotando-se as médias móveis deste exemplo e
comparando-as, evidencia-se que as linhas
ficam suavizadas, revelando então uma
tendência global de crescimento
Note como a média de 3-semanas é mais suave e
que a de 6-semanas é ainda mais.

15. Dados do Problema (2) de Média Móvel
Simples
Questão: Qual é a
previsão de média
móvel de 3 e 5
semanas para estes
dados
Assuma que você
dispõe apenas de
dados de 3 ou 5
semanas para as
previsões
respectivas
Semana Demanda
1 820
2 775
3 680
4 655
5 620
6 600
7 575

16. Semana Demanda 3-Semanas5-Semanas
1 820
2 775
3 680
4 655 758.33
5 620 703.33
6 600 651.67 710.00
7 575 625.00 666.00
Solução do Problema (2) de Média Móvel
Simples
F4=(820+775+680)/3
=758.33 F6=(820+775+680
+655+620)/5
=710.00

17. Fórmula de Média Móvel Ponderada
Enquanto a fórmula de média móvel implica pesos iguais
para cada valor que está sendo utilizado na média, a média
móvel ponderada permite atribuir pesos diferentes para os
períodos mais antigos
wt = peso atribuído à ocorrência do
tempo “t” (soma dos pesos deve ser
igual a 1)
A fórmula para a média ponderada é:

18. Dados do Problema (1) de Média Móvel
Ponderada
Pesos:
t-1 0,5
t-2 0,3
t-3 0,2
Questão: Dada a demanda semanal e seus pesos, qual é a
previsão para o 4o período or Semana 4?
Note que os pesos colocam mais ênfase no valor mais
recente, que é o período “t-1”
Semana Demanda
1 650
2 678
3 720
4

19. Solução do Problema (1) de Média Móvel
Ponderada
F4 = 0.5(720)+0.3(678)+0.2(650)=693.4
Semana Demanda Previsão
1 650
2 678
3 720
4 693.4

20. Dados do Problema (2) de Média Móvel
Ponderada
Pesos:
t-1 0.7
t-2 0.2
t-3 0.1
Semana Demanda
1 820
2 775
3 680
4 655
questão: Dada a informação da demanda semanal e os
pesos, qual é a previsão a partir da média móvel
ponderada para o 5º período ou semana?

21. Solução do Problema (2) de Média Móvel
Ponderada
Semana Demanda Previsão
1 820
2 775
3 680
4 655
5 672
F5 = (0.1)(755)+(0.2)(680)+(0.7)(655)= 672

22. Modelo de Suavização Exponencial
 Premissa: As observações mais recentes devem
ter um valor preditivo maior
 Portanto, devemos dar mais peso aos períodos
mais recentes para a fazer previsão
Ft = Ft-1 + (At-1 - Ft-1)
Where:
Ft=Valor previsão para o período t
F t-1= Valor previsto para o período passado t-1
At-1= Ocorrência no período t-1
α=Constante Alpha de suavização

23. Dados do Problema (1) de Suavização
Exponencial
Questão: Dada a demanda
semanal, quais seriam as
previsões por suavização
exponencial para os
períodos de 2-10, usando
=0.10 e =0.60?
Assuma que F1=D1
Semana Demanda
1 820
2 775
3 680
4 655
5 750
6 802
7 798
8 689
9 775
10

24. Resposta: As colunas dos respectivos alphas mostram os valores previstos.
Note que vocẽ pode apenas prever um período à frente.
Semana Demanda 0.1 0.6
1 820 820.00 820.00
2 775 820.00 820.00
3 680 815.50 793.00
4 655 801.95 725.20
5 750 787.26 683.08
6 802 783.53 723.23
7 798 785.38 770.49
8 689 786.64 787.00
9 775 776.88 728.20
10 776.69 756.28

25. Gráfico do Problema (1) de
Suavização Exponencial
Note neste exemplo que um alpha menor produz uma linha
mais suave

26. Dados do Problema (2) de Suavização
Exponencial
Questão: Quais são as
previsões por suavização
exponencial para os
períodos 2-5 usando
alpha=0,5?
Assuma que F1=D1
Semana Demanda
1 820
2 775
3 680
4 655
5

27. Solução do Problema (2) de Suavização
Exponencial
Semana Demanda 0.5
1 820 820.00
2 775 820.00
3 680 797.50
4 655 738.75
5 696.88
F1=820+(0.5)(820-820)=820 F3=820+(0.5)(775-820)=797.75

28. A Estatística MAD para Determinar
Erro de Previsão
 Uma MAD ideal é zero, o que
significaria que não existe erro de
previsão
 Uma MAD maior implica que o modelo
resultante tem menor exatidão
1MAD» 0,8desviopadrão
1desviopadrão » 1,25MAD

29. Dados de Problema MAD
Mês Vendas Previsão
1 220 n/a
2 250 255
3 210 205
4 300 320
5 325 315
Questão: qual é o valor da MAD dados os
valores de previsão da tabela abaixo?

30. Solução do Problema MAD
Mẽs Vendas Previsão Erro Abs.
1 220 n/a
2 250 255 5
3 210 205 5
4 300 320 20
5 325 315 10
40
Note que por si mesma, a
MAD apenas nos permite
saber o erro médio de um
conjunto de previsões

31. Fórmula do Sinal de Acompanhamento
 O Sinal de Acompanhamento (Tracking
Signal - TS) é uma medida que indica quando
a média da previsão está efetivamente
acompanhando qualquer aumento ou
diminuição genuina da demanda.
 Dependendo do número de MADs
selecionado, o TS pode ser usado como um
gráfico de controle indicando quando o
modelo está gerando erros excessivos nas
suas previsões.
 A fórmula do TS é:
TS=
RSFE
MAD
=
Soma deslizante dos erros de previsão
Desvio absoluto médio

32. Modelo Simples de Regressão Linear
Yt = a + bx
0 1 2 3 4 5 x (Time)
Y
O modelo simples de
regressão linear busca ajustar
uma linha a vários dados no
tempo
É o modelo de regressão
linear
a
Yt é a previsão da regressão ou variável dependente do
modelo, a é o intercepto da linha de regressão e b é
similar à inclinação de uma reta de regressão.
Entretanto, como é calculada com a variação dos
dados em mente, sua formulação não é tão direta
quanto na noção usual de inclinação.

33. Regressão Linear Simples
Fórmulas para Calcular “a” e “b”

34. Regressão Linear Simples
Dados do problema
Semana Vendas
1 150
2 157
3 162
4 166
5 177
Questão: Dados os dados abaixo, qual é o modelo de regressão
linear simples que pode ser utilizado para previsão das vendas
em semanas futuras?

35. Resposta: primeiro, usando as fómulas da regressão
linear simples, podemos calcular “a” e “b”
35
Semana Semana * Semana Vendas Semanas * Vendas
1 1 150 150
2 4 157 314
3 9 162 486
4 16 166 664
5 25 177 885
3 55 162.4 2499
Média Soma Média Soma

36. Yt = 143.5 + 6.3x
O modelo de regressão linear
resultante é:
Agora, se plotarmos as previsões geradas contra os valores das
vendas obtemos o seguinte gráfico:
36