SlideShare uma empresa Scribd logo
Administração de Materiais
Previsão de Demanda
Ref. Bibliográfica:
Martins, Petrônio G. Administração da Produção, Editora Saraiva, Segunda Edição, Capítulo 8.
Peinado J. Administração da Produção, UnicenP, 2007, Cap. 7
“Material disponibilizado para livre utilização. Pedimos apenas que
cite os websites abaixo como fonte de referencia.”
www.betagama.com.brwww.dunamath.com
Uma previsão é uma afirmativa ou
inferência sobre o futuro, usualmente
baseada em informação histórica.
2 www.betagama.com.brwww.dunamath.com
Erros frequentes
3 www.betagama.com.brwww.dunamath.com
DIMENSÃO DO PRODUTO - nível de desagregação
desejado. Pode-se prever a demanda de todos os itens de
modo agregado ou desagregar a previsão em classes ou itens
específicos.
DISPERSÃO ESPACIAL DA DEMANDA - o espaço
geográfico onde a demanda futura irá ocorrer. No caso de uma
secretaria da saúde de um município, pode ser importante
desagregar a previsão por distritos ou bairros para melhor
atender à demanda nesses locais.
DIMENSÃO TEMPORAL - refere-se ao alcance da previsão
em termos de tempo . Previsões de longo, médio e curto prazo.
QUEM VAI UTILIZÁ-LA. Exemplo: a gestão de materiais,
interessa saber a previsão de todos os itens individualizados,
mas a alta administração se interessam por valores agregados
com a demanda em valores monetários.
4 www.betagama.com.brwww.dunamath.com
Previsões raramente são perfeitas. É preciso conviver
com um certo nível de erro, que é a diferença entre o que foi
previsto e o que realmente aconteceu. O objetivo da previsão
é fazer bons prognósticos em média no decorrer do tempo e
manter os erros das previsões em níveis tão baixos quanto
possível.
Previsões são mais exatas para horizontes de tempo
mais curtos do que para os maiores. Os dados não mudam
muito a curto prazo. A medida que o horizonte do tempo
aumenta, entretanto, existe uma probabilidade muito maior de
que venham a ocorrer mudanças nos padrões e nos
relacionamentos estabelecidos.
PRINCÍPIOS DAS PREVISÕES
Erros esperados crescem com horizonte
PRINCÍPIOS DAS PREVISÕES
 As previsões são mais exatas para grupos ou famílias
de itens do que para itens individuais.
 Quando os itens são agrupados, seus valores
individuais altos e baixos podem cancelar uns aos outros.
 Os dados de um grupo de itens podem ser estáveis
mesmo quando os itens individuais do grupo são muito
instáveis.
o Principais Indicadores
• Média de horas de trabalho semanal
• Consultas às organizações de proteção ao crédito (SERASA)
• Solicitações de alvará para construção
• Taxa de desemprego
• PIB
• Produção industrial
• Investimentos em fábricas e equipamentos
• Níveis de estoques
• Empréstimos comerciais e industriais
Exemplos de Indicadores de
Demanda
o Fatores InternosFatores Internos
Orçamento de vendasOrçamento de vendas
PropagandaPropaganda
PromoçõesPromoções
Projeto doProjeto do
Produto/ServiçoProduto/Serviço
DescontosDescontos
BacklogsBacklogs
o Fatores ExternosFatores Externos
Ciclo de negóciosCiclo de negócios
CompetiçãoCompetição
Eventos MundiaisEventos Mundiais
Ações governamentaisAções governamentais
Ciclo de vida do produtoCiclo de vida do produto
Fatores que influenciam a Demanda
Estágios da Demanda no Ciclo de Vida
do Produto
CRESCIMENTOINTRODUÇÃO MATURIDADE DECLÍNIO
DEMANDA
TEMPO
Componentes da Demanda SériesComponentes da Demanda Séries
TemporaisTemporais
Média ou NívelMédia ou Nível
TendênciaTendência
LinearLinear
SazonalSazonal
AleatóriaAleatória
Técnicas de Previsão: Modelos Qualitativos
Predição
Na verdade não se trata de um método científico, mas
sim de um processo para a determinação de um
acontecimento futuro com base em dados completamente
subjetivos, de natureza altamente duvidosa.
É uma aposta no futuro, com grande risco e sujeita
à sorte.
A predição faz parte do estilo empreendedor e é,
muitas vezes, interpretada como visão ou feeling.
O empreendedor visionário parece dominar a
técnica da predição, enxergando oportunidades de
demanda incapazes de serem percebidas pelos métodos
tradicionais.
Técnicas de Previsão: Modelos Qualitativos
Opiniões de executivos
São previsões baseadas no julgamento e opinião de
um pequeno grupo de executivos de alto nível, geralmente
ligados às áreas comercial, financeira e de produção.
A previsão pode não ser o consenso do grupo mas a
opinião de quem detém o maior nível hierárquico, experiência,
ou força de persuasão.
É importante perceber que este método é útil quando
não se têm dados históricos anteriores de demanda.
Técnicas de Previsão: Modelos Qualitativos
Método Delphi
A essência do método consiste em fazer com que as
opiniões sobre determinado assunto, no caso especifico a
previsão de demanda, não sejam influenciadas pela opinião
do grupo.
Algumas pessoas, que são mantidas no anonimato,
respondem a um questionário e o entregam a um
coordenador que por sua vez tabula as respostas e o envia
de volta aos participantes.
Os participantes podem então alterar as suas
respostas e o processo é repetido até que se obtenha um
consenso.
16
Técnicas de Previsão: Modelos Qualitativos
Pesquisas de mercado
Esta metodologia é imprescindível para a colocação de
um novo produto no mercado. A pesquisa de mercado é uma
pesquisa preditiva para levantar a intenção de compra
diretamente do mercado consumidor. Trata-se de um estudo
sistemático que deve seguir determinadas regras estatísticas.
Algumas das principais limitações decorrem de que as
pesquisas de mercado se tratam de intenções de compra,
que nem sempre se concretizam no futuro. Também é preciso
considerar a influência das promoções de marketing e a fase
do ciclo de vida do produto.
Técnicas de Previsão: Modelos Qualitativos
Analogia com produtos similares
Uma forma bastante utilizada para o lançamento de
um produto é buscar dados históricos de vendas de produtos
similares, quando estes existem.
Neste caso, deve-se atentar para o grau de
similaridade do produto de comparação.
Técnicas de Previsão: Modelos
Quantitativos
Modelos de séries temporais partem do princípio de
que todas as informações necessárias para se fazer uma
previsão estão contidas na série temporal dos dados.
OBS: Uma série temporal é uma série de observações
tomadas a intervalos regulares durante um determinado
período.
Modelos causais pressupõem que a variável que
queremos prever é relacionada de alguma maneira com outras
variáveis do ambiente. A tarefa do previsor é descobrir como
essas variáveis estão relacionadas em termos matemáticos.
Erros em Previsão
Erro Simples
Erro Absoluto
Desvio Padrão dos Erros
Erro Quadrático Médio
Tendência de Viés ou (Sinal de Rastreamento – TS)
Ver Planilha Excel:
Aba “Erros”
19 www.betagama.com.brwww.dunamath.com
Erros em Previsão
Tendência de Viés
O erro de viés ocorre quando as variações da demanda
efetivamente ocorridas, quando comparadas com as previsões,
apresentam um comportamento estatisticamente não aleatório. Em outras
palavras, as diferenças aparecem tendenciosamente para cima ou para
baixo dos valores reais de uma série temporal, o que pode indicar que a
previsão da demanda está sendo consistentemente otimista ou pessimista
demais
O valor da tendência de viés (TS) encontrado para cada período
deve permanecer entre -4 e +4 (para alguns autores entre -3 e +3).
Valores superiores ou inferiores indicam que há uma grande probabilidade
de estar acontecendo erros de viés. A causa do erro de viés deve ser
analisada e identificada para cada período ou intervalo de períodos em
que isto aconteceu.
Para facilitar a análise, convém colocar os valores da tendência de
viés em um gráfico para melhor visualização
20 www.betagama.com.brwww.dunamath.com
Modelos de séries temporais
Média Móvel Simples
É importante observar que, quanto maior o valor de n,
maior será a influência das demandas mais antigas sobre a
previsão.
Por isso, na prática, muitas vezes se realiza o cálculo
da média móvel simples incluindo apenas os 3 últimos
períodos.
Modelos de séries temporais
Média Móvel Simples
Deve ser aplicado apenas para demandas que não
apresentem tendência ou sazonalidade, em outras palavras,
em situações em que a demanda observada no passado
apresente pouca variação em seu comportamento, não
havendo crescimento ou diminuição ao longo do tempo, nem
flutuações periódicas.
Este tipo de demanda ocorre para produtos em sua
fase de maturidade, do gênero de alimentação básica, como
arroz, feijão, macarrão, sal etc., ou produtos de higiene básica
como sabão, sabonetes, etc.
Modelos de séries temporais
Média Móvel Simples
Quanto maior o desvio padrão da seqüência
da demanda real observada, maior será a
amplitude do erro de previsão.
Modelos de séries temporais
Média Móvel Ponderada
Usado para demandas que não apresentem nem tendência
nem sazonalidade.
A diferença entre este modelo e o da média móvel simples é
que agora se considera um peso maior para os períodos mais
recentes de demanda.Os valores da demanda dos períodos
mais próximos.
Normalmente se utiliza a soma dos pesos igual a um, para
que não seja necessário dividir o resultado pela soma dos
pesos
Modelos de séries temporais
Média Móvel Ponderada
Quanto maiores os pesos atribuídos aos últimos períodos, maior será sua
influência na previsão da demanda. Ex: Considerando uma média móvel
ponderada para os últimos três períodos com pesos 0,6; 0,3 e 0,1, o
cálculo da previsão de demanda dos produtos A e B para o período 13 no
exemplo do slide 21 é o seguinte:
Modelos de séries temporais
Média Móvel com Suavização Exponencial Simples
É uma variação da média móvel ponderada.
Também deve ser aplicado apenas para demandas que não
apresentem tendência nem sazonalidade.
Adota-se um peso de ponderação.
Estimativa: alfa = 2/(n+1); onde n = número de períodos
Modelos de séries temporais
Média Móvel com Suavização Exponencial Simples
O valor da constante de suavização “alfa” varia entre 0 e 1.
Quanto maior o valor de “alfa” , menor será a influência da
demanda real do último período na previsão de demanda.
Convém ressaltar que a atribuição do valor 1 para o
coeficiente vai gerar os mesmos resultados obtidos no
modelo da média móvel simples.
Modelos de séries temporais
Média Móvel com Suavização Exponencial Simples
Considerando uma média móvel para os últimos três
períodos e um valor arbitrário de alfa = 0,1; o cálculo da
previsão de demanda dos produtos A e B para o período 13 do
slide 23 é realizado da seguinte forma:
Modelos de séries temporais
OBS
Os modelos de previsão de demanda baseados na média
móvel simples, ponderada e com suavização exponencial são
os modelos mais simples de previsão de demanda e devem ser
aplicados apenas para produtos cuja demanda não apresente
tendência ou sazonalidade.
Além disto, estes modelos não são capazes de lidar com
aleatoriedade muito severa, que pode ser detectada a partir de
desvios padrão elevados.
Apesar de, à primeira vista, parecerem modelos simples
demais, eles são largamente utilizados, de maneira formal ou
intuitiva nas organizações, justamente pela facilidade de cálculo
e entendimento.
Modelo dos Mínimos Quadrados ou Regressão Linear ou
Ajustamento de Retas
Pode ser aplicado a demandas que apresentam tendência,
mas não apresentam sazonalidade.
Demandas desta natureza podem ser representadas, por
exemplo, por produtos que se encontram na fase de
crescimento (tendência crescente) ou em fase de declínio
(tendência decrescente), dentro do seu ciclo de vida.
O método utiliza a teoria dos mínimos quadrados para
promover uma regressão linear que determina a equação da
reta que melhor representa os valores da demanda passada.
A partir desta equação, são extrapoladas as projeções para o
futuro. A reta obtida pelo método dos mínimos quadrados é a
reta que minimiza a somatória das distâncias entre cada valor
de demanda ocorrido e a própria reta.
Modelo dos Mínimos Quadrados ou Regressão Linear
Modelo dos Mínimos Quadrados ou Regressão Linear
Modelo dos Mínimos Quadrados ou Regressão Linear
Modelo dos Mínimos Quadrados ou Regressão Linear
Este método também não pode ser utilizada
eficazmente para a realização de previsões quando houver
sazonalidade, ao menos não antes que seja feito o
ajustamento sazonal, apresentado a seguir.
Ajustamento sazonal
O modelo de previsão de demanda por meio do ajustamento
sazonal pode ser aplicado para séries temporais de demandas
que apresentam nível, tendência e sazonalidade.
Demandas desta natureza podem acontecer, por exemplo,
para produtos influenciados pela época do ano, como
brinquedos, mais vendidos em épocas próximas ao dia das
crianças e natal; sorvetes, cuja demanda se concentra no
verão; agasalhos e cobertores, que, naturalmente, têm maior
saída no inverno; material escolar que costuma ser mais
vendido no inicio e meio do ano letivo.
Ajustamento sazonal
A previsão da demanda com ajustamento sazonal é obtida
utilizando-se a “equação da reta” multiplicada pelo “fator de
sazonalidade”.
Ajustamento sazonal
Exemplo
Ajustamento sazonal
Conforme mencionado, o modelo do ajuste sazonal é indicado
para séries de demanda que possuam nível, tendência e
sazonalidade.
Um ponto de partida é encontrar os valores dos coeficientes de
nível (a) e de tendência (b) para, em seguida, encontrar o
coeficiente de sazonalidade para cada período.
Para isto, não é aconselhável realizar a regressão linear na série
de demanda original, com sazonalidade, sob pena de se encontrar
valores de nível e tendência que vão originar previsões com
grandes tendências de viés, que podem inviabilizar o modelo. Este
é um erro comumente observado. Os dados da demanda original
não são lineares e o resultado da regressão linear, em
conseqüência disto, não será preciso.
Antes da execução da regressão linear para a estimativa do nível e
da tendência é necessário dessazonalizar os dados da demanda
observada.
Ajustamento sazonal
Média móvel centrada
Método bastante utilizado para dessazonalizar a demanda real
observada, preparando-a para a regressão linear.
Ajustamento sazonal
Média móvel centrada
Ajustamento sazonal
Média centrada de dessazonalização para periodicidade ímpar
Média centrada de dessazonalização para periodicidade par
Exemplo: para a obtenção da demanda dessazonalizada no
período 5 de uma série de demandas observadas com
periodicidade 3, a fórmula resulta em:
Exemplo: para a obtenção da demanda
dessazonalizada no período 5 de uma série de
demandas observadas com periodicidade 4, a
fórmula resulta em:
Ajustamento sazonal
Cálculo dos Fatores de Sazonalidade
O próximo passo é fazer a regressão linear da Demanda
Dessazonalizada pela Média Móvel Centrada, obtendo-se
uma nova Demanda Dessazonalizada.
O quociente percentual entre a demanda real e a demanda
dessazonalizada fornece o índice de sazonalidade de cada
período.
Se houver mais de um ciclo de sazonalidade, toma-se a
média dos vários índices do período de sazonalidade que se
repete a cada ciclo.
Com os valores de nível, tendência e sazonalidade
calculados, agora fica possível realizar a previsão pelo
modelo de ajustamento exponencial.
Ajustamento sazonal
Cálculo da Previsão:
previsao = [ a + (b * P) ] * Si
a = coef. Nível; b = coef. tendência
P = período ; Si = coeficiente medio de sazonalidade na posição "i" do ciclo
Ajustamento sazonal
Cálculo da Previsão:
1
2
3
1
2
3
1
2
3
1
2
3
previsao = [ a + (b * P) ] * Si
a = coef. Nível; b = coef. tendência
P = período ; Si = coeficiente medio de sazonalidade na posição "i" do ciclo
Modelos Estáticos x Dinâmicos
 Os modelos apresentados até o momento assumem que as
características de nível, tendência e sazonalidade permanecem constantes
ao longo do tempo. Os índices são determinados uma única vez e utilizados
para todas as previsões futuras. Por isso, estes modelos são conhecidos
como modelos estáticos de previsão.
 Pode ser interessante utilizar fatores de suavização para os índices
atribuindo-se um peso maior para os índices de nível, tendência e
sazonalidade apresentados nos últimos períodos. Nos modelos dinâmicos
de previsão, as estimativas de nível, tendência e sazonalidade são
atualizadas após cada observação da demanda.
Modelo de Winter
Modelo dinâmico de previsão bastante prático e de
larga utilização nas organizações que têm produtos cuja
demanda apresenta variabilidade em suas características de
nível, tendência e sazonalidade.
Vamos retomar o exemplo da demanda observada para
o produto B. A partir do Método de Ajustamento Sazonal,
foram encontradas as seguintes estimativas de nível,
tendência e sazonalidade (ver Excel, aba “Ajust Saz Parte1”).
Para cada uma das estimativas de nível, de tendência e
de sazonalidade serão aplicados fatores de suavização
exponencial “alfa”, “beta” e “gama” respectivamente:
Modelo de Winter
OBS
Alfa=beta=gama=0
Winter = Ajust. Sazonal Estático
Ver Planilha Excel
Métodos de Projeção
CausaisCausais
o Métodos de Correlação
o Modelos de Regressão Linear Simples e Múltipla
o Modelos Econométricos
Pode-se dizer que o serviço “causa” vendas. Até onde as
boas relações de causa-e-efeito podem ser descritas, os
modelos causais têm realmente efetividade na antecipação de
grandes mudanças nas séries de tempo e na previsão exata
para períodos de médio a longo prazo.
Métodos de Regressão Linear Múltipla (Correlação)
o Correlação múltipla
o y = a + a1.x1 + a2.x2 +….+an.xn
o PARA DUAS VARIÁVEIS--> y = a + a1.x1 + a2.x2
o Exemplo para duas variáveis
 Cidade (y)Demanda(livros) (x1)Preço (x2)Renda
 1 166 10 20
 2 180 9 21
 3 73 10 12
 4 81 14 16
 5 229 8 24
 6 182 15 24
 7 233 6 23
 8 102 10 15
 9 190 7 20
 10 150 10 19
 11 221 11 25
 12 137 15 21
 13 173 8 19
 14 150 12 20
 15 92 10 14
o Y = -2,765 - 7,738x1 + 12,286x2
ou
o (demanda) = -2,765 - 7,738.(preço) + 12,286.(renda)
Métodos de Regressão Linear Múltipla (Correlação)
Material Complementar
Modelo Econométrico
Normalmente utilizado para médio e longo prazo.
Exemplo: Deseja-se prever a demanda para uma fábrica de
automóveis, e considera-se que a demanda de automóveis
depende do tamanho da população (P) e da renda per capita
(R). Pode-se formular um modelo que explique a quantidade
de veículos a ser demandada (V), como sendo:
V = (K) x (P^y) x (R^z)
Onde K é uma constante e “y” e “z” são 2 coeficientes
numéricos.
51 www.betagama.com.brwww.dunamath.com
Pag
257
Cap.
8
Martins,
Petrônio
G.
52 www.betagama.com.brwww.dunamath.com
www.betagama.com.br
www.dunamath.com

Mais conteúdo relacionado

Mais procurados

Aula 6 planejamento operacional
Aula 6   planejamento operacionalAula 6   planejamento operacional
Aula 6 planejamento operacional
Murilo Amorim
 
Aula 1 - Planejamento e Controle da Produção II
Aula 1 - Planejamento e Controle da Produção IIAula 1 - Planejamento e Controle da Produção II
Aula 1 - Planejamento e Controle da Produção II
Unidade Acedêmica de Engenharia de Produção
 
Sistema de Planejamento e Controle da Produção - PCP
Sistema de Planejamento e Controle da Produção - PCPSistema de Planejamento e Controle da Produção - PCP
Sistema de Planejamento e Controle da Produção - PCP
Mauro Enrique
 
Lean Manufacturing
Lean ManufacturingLean Manufacturing
Lean Manufacturing
Daisy Marschalk
 
Planejamento estrategico, tático e operacional
Planejamento estrategico, tático e operacionalPlanejamento estrategico, tático e operacional
Planejamento estrategico, tático e operacional
PMY TECNOLOGIA LTDA
 
Processos de Produção
Processos de ProduçãoProcessos de Produção
Processos de Produção
Mauro Enrique
 
Gestão da qualidade: operações de produção e de serviços
Gestão da qualidade: operações de produção e de serviçosGestão da qualidade: operações de produção e de serviços
Gestão da qualidade: operações de produção e de serviços
BWS Contabilidade, Consultoria e Perícias
 
Correlação Estatística
Correlação EstatísticaCorrelação Estatística
Correlação Estatística
Vitor Vieira Vasconcelos
 
Aula 1 - Gestão da Qualidade
Aula 1 - Gestão da QualidadeAula 1 - Gestão da Qualidade
Aula 1 - Gestão da Qualidade
Unidade Acedêmica de Engenharia de Produção
 
Planejamento da Organização na Manutenção
Planejamento da Organização na ManutençãoPlanejamento da Organização na Manutenção
Planejamento da Organização na Manutenção
Emerson Luiz Santos
 
Arranjo físico layout
Arranjo físico   layoutArranjo físico   layout
Arranjo físico layout
Raylson Rabelo
 
Administração de Produção - Layout/Arranjo Fisico
Administração de Produção - Layout/Arranjo FisicoAdministração de Produção - Layout/Arranjo Fisico
Administração de Produção - Layout/Arranjo Fisico
douglas
 
139853076 lista-exercicios-tempo-padrao
139853076 lista-exercicios-tempo-padrao139853076 lista-exercicios-tempo-padrao
139853076 lista-exercicios-tempo-padrao
Letícia Reis Rodrigues
 
Ferramentas da Qualidade
Ferramentas da QualidadeFerramentas da Qualidade
Ferramentas da Qualidade
CLT Valuebased Services
 
Eras da qualidade
Eras da qualidadeEras da qualidade
Eras da qualidade
Renato Bottini
 
Introdução a Manutenção de Máquinas e Equipamentos
Introdução a Manutenção de Máquinas e EquipamentosIntrodução a Manutenção de Máquinas e Equipamentos
Introdução a Manutenção de Máquinas e Equipamentos
Anderson Pontes
 
Aula Qualidade - Fluxograma
Aula Qualidade - FluxogramaAula Qualidade - Fluxograma
Aula Qualidade - Fluxograma
Caio Roberto de Souza Filho
 
Ferramentas da qualidade
Ferramentas da qualidadeFerramentas da qualidade
Ferramentas da qualidade
Sergio Dias
 
Analise swot
Analise swotAnalise swot
Gerenciamento de custos
Gerenciamento de custosGerenciamento de custos
Gerenciamento de custos
Joyce Lopes Simões
 

Mais procurados (20)

Aula 6 planejamento operacional
Aula 6   planejamento operacionalAula 6   planejamento operacional
Aula 6 planejamento operacional
 
Aula 1 - Planejamento e Controle da Produção II
Aula 1 - Planejamento e Controle da Produção IIAula 1 - Planejamento e Controle da Produção II
Aula 1 - Planejamento e Controle da Produção II
 
Sistema de Planejamento e Controle da Produção - PCP
Sistema de Planejamento e Controle da Produção - PCPSistema de Planejamento e Controle da Produção - PCP
Sistema de Planejamento e Controle da Produção - PCP
 
Lean Manufacturing
Lean ManufacturingLean Manufacturing
Lean Manufacturing
 
Planejamento estrategico, tático e operacional
Planejamento estrategico, tático e operacionalPlanejamento estrategico, tático e operacional
Planejamento estrategico, tático e operacional
 
Processos de Produção
Processos de ProduçãoProcessos de Produção
Processos de Produção
 
Gestão da qualidade: operações de produção e de serviços
Gestão da qualidade: operações de produção e de serviçosGestão da qualidade: operações de produção e de serviços
Gestão da qualidade: operações de produção e de serviços
 
Correlação Estatística
Correlação EstatísticaCorrelação Estatística
Correlação Estatística
 
Aula 1 - Gestão da Qualidade
Aula 1 - Gestão da QualidadeAula 1 - Gestão da Qualidade
Aula 1 - Gestão da Qualidade
 
Planejamento da Organização na Manutenção
Planejamento da Organização na ManutençãoPlanejamento da Organização na Manutenção
Planejamento da Organização na Manutenção
 
Arranjo físico layout
Arranjo físico   layoutArranjo físico   layout
Arranjo físico layout
 
Administração de Produção - Layout/Arranjo Fisico
Administração de Produção - Layout/Arranjo FisicoAdministração de Produção - Layout/Arranjo Fisico
Administração de Produção - Layout/Arranjo Fisico
 
139853076 lista-exercicios-tempo-padrao
139853076 lista-exercicios-tempo-padrao139853076 lista-exercicios-tempo-padrao
139853076 lista-exercicios-tempo-padrao
 
Ferramentas da Qualidade
Ferramentas da QualidadeFerramentas da Qualidade
Ferramentas da Qualidade
 
Eras da qualidade
Eras da qualidadeEras da qualidade
Eras da qualidade
 
Introdução a Manutenção de Máquinas e Equipamentos
Introdução a Manutenção de Máquinas e EquipamentosIntrodução a Manutenção de Máquinas e Equipamentos
Introdução a Manutenção de Máquinas e Equipamentos
 
Aula Qualidade - Fluxograma
Aula Qualidade - FluxogramaAula Qualidade - Fluxograma
Aula Qualidade - Fluxograma
 
Ferramentas da qualidade
Ferramentas da qualidadeFerramentas da qualidade
Ferramentas da qualidade
 
Analise swot
Analise swotAnalise swot
Analise swot
 
Gerenciamento de custos
Gerenciamento de custosGerenciamento de custos
Gerenciamento de custos
 

Semelhante a Administração da Produção - Previsão de Demanda

Tecnicas de previsões v.4
Tecnicas de previsões v.4Tecnicas de previsões v.4
Tecnicas de previsões v.4
Fabiano Cunha Marinho
 
Aula de logística
Aula de logísticaAula de logística
Aula de logística
Moises Ribeiro
 
Aula03
Aula03Aula03
Gestão Demanda: Previsao Vendas
Gestão Demanda: Previsao VendasGestão Demanda: Previsao Vendas
Gestão Demanda: Previsao Vendas
Unipinhal
 
U1S3 - PPCP e Previsão de Demanda.pdf
U1S3 - PPCP e Previsão de Demanda.pdfU1S3 - PPCP e Previsão de Demanda.pdf
U1S3 - PPCP e Previsão de Demanda.pdf
CelsoCiamponi1
 
Apresentação2 T.I.G
Apresentação2 T.I.GApresentação2 T.I.G
Apresentação2 T.I.G
João Silva
 
Questões de Pesquisa de Mercado e o SIM
Questões de Pesquisa de Mercado e o SIMQuestões de Pesquisa de Mercado e o SIM
Questões de Pesquisa de Mercado e o SIM
France Michel Ferreira
 
Liane werner
Liane wernerLiane werner
05. ferramentas para a qualidade
05. ferramentas para a qualidade05. ferramentas para a qualidade
05. ferramentas para a qualidade
Alane Oliveira
 
Gerenciamento no planejamento logístico de estoques
Gerenciamento no planejamento logístico de estoquesGerenciamento no planejamento logístico de estoques
Gerenciamento no planejamento logístico de estoques
Agnaldo Cruz
 
Tecnicas de Previsoes PPCP
Tecnicas de Previsoes PPCPTecnicas de Previsoes PPCP
Tecnicas de Previsoes PPCP
Leandro
 
Sld 2
Sld 2Sld 2
Artigo acadêmico: Técnicas de Previsão de Demanda
Artigo acadêmico: Técnicas de Previsão de DemandaArtigo acadêmico: Técnicas de Previsão de Demanda
Artigo acadêmico: Técnicas de Previsão de Demanda
AdmFabioAraujo
 
64183461 administracao-da-producao-e-operacoe s-copia
64183461 administracao-da-producao-e-operacoe s-copia64183461 administracao-da-producao-e-operacoe s-copia
64183461 administracao-da-producao-e-operacoe s-copia
Celio Chagas
 
Plan Estrat2.pptx
Plan Estrat2.pptxPlan Estrat2.pptx
Plan Estrat2.pptx
RobertoBidegaindaSil
 
Produtividade: uma relação da capacidade produtiva e previsão de demanda
Produtividade: uma relação da capacidade produtiva e previsão de demandaProdutividade: uma relação da capacidade produtiva e previsão de demanda
Produtividade: uma relação da capacidade produtiva e previsão de demanda
Alexandre Grossi
 
Planejamento e Controle da Produção_Aula2.ppt
Planejamento e Controle da Produção_Aula2.pptPlanejamento e Controle da Produção_Aula2.ppt
Planejamento e Controle da Produção_Aula2.ppt
JulianoLeal13
 
Gestão Estratégica do Suprimento e o Impacto no Desempenho das Empresas Brasi...
Gestão Estratégica do Suprimento e o Impacto no Desempenho das Empresas Brasi...Gestão Estratégica do Suprimento e o Impacto no Desempenho das Empresas Brasi...
Gestão Estratégica do Suprimento e o Impacto no Desempenho das Empresas Brasi...
Fundação Dom Cabral - FDC
 
Modulo II Parte 4 Plano de Negócio.pptx2
Modulo II Parte 4 Plano de Negócio.pptx2Modulo II Parte 4 Plano de Negócio.pptx2
Modulo II Parte 4 Plano de Negócio.pptx2
thiago barbosa da silva
 
Entendendo o Mercado-Workshop para Startups Supera Parque Tecnológico de Ribe...
Entendendo o Mercado-Workshop para Startups Supera Parque Tecnológico de Ribe...Entendendo o Mercado-Workshop para Startups Supera Parque Tecnológico de Ribe...
Entendendo o Mercado-Workshop para Startups Supera Parque Tecnológico de Ribe...
Rodrigo Dantas, PMP, Msc
 

Semelhante a Administração da Produção - Previsão de Demanda (20)

Tecnicas de previsões v.4
Tecnicas de previsões v.4Tecnicas de previsões v.4
Tecnicas de previsões v.4
 
Aula de logística
Aula de logísticaAula de logística
Aula de logística
 
Aula03
Aula03Aula03
Aula03
 
Gestão Demanda: Previsao Vendas
Gestão Demanda: Previsao VendasGestão Demanda: Previsao Vendas
Gestão Demanda: Previsao Vendas
 
U1S3 - PPCP e Previsão de Demanda.pdf
U1S3 - PPCP e Previsão de Demanda.pdfU1S3 - PPCP e Previsão de Demanda.pdf
U1S3 - PPCP e Previsão de Demanda.pdf
 
Apresentação2 T.I.G
Apresentação2 T.I.GApresentação2 T.I.G
Apresentação2 T.I.G
 
Questões de Pesquisa de Mercado e o SIM
Questões de Pesquisa de Mercado e o SIMQuestões de Pesquisa de Mercado e o SIM
Questões de Pesquisa de Mercado e o SIM
 
Liane werner
Liane wernerLiane werner
Liane werner
 
05. ferramentas para a qualidade
05. ferramentas para a qualidade05. ferramentas para a qualidade
05. ferramentas para a qualidade
 
Gerenciamento no planejamento logístico de estoques
Gerenciamento no planejamento logístico de estoquesGerenciamento no planejamento logístico de estoques
Gerenciamento no planejamento logístico de estoques
 
Tecnicas de Previsoes PPCP
Tecnicas de Previsoes PPCPTecnicas de Previsoes PPCP
Tecnicas de Previsoes PPCP
 
Sld 2
Sld 2Sld 2
Sld 2
 
Artigo acadêmico: Técnicas de Previsão de Demanda
Artigo acadêmico: Técnicas de Previsão de DemandaArtigo acadêmico: Técnicas de Previsão de Demanda
Artigo acadêmico: Técnicas de Previsão de Demanda
 
64183461 administracao-da-producao-e-operacoe s-copia
64183461 administracao-da-producao-e-operacoe s-copia64183461 administracao-da-producao-e-operacoe s-copia
64183461 administracao-da-producao-e-operacoe s-copia
 
Plan Estrat2.pptx
Plan Estrat2.pptxPlan Estrat2.pptx
Plan Estrat2.pptx
 
Produtividade: uma relação da capacidade produtiva e previsão de demanda
Produtividade: uma relação da capacidade produtiva e previsão de demandaProdutividade: uma relação da capacidade produtiva e previsão de demanda
Produtividade: uma relação da capacidade produtiva e previsão de demanda
 
Planejamento e Controle da Produção_Aula2.ppt
Planejamento e Controle da Produção_Aula2.pptPlanejamento e Controle da Produção_Aula2.ppt
Planejamento e Controle da Produção_Aula2.ppt
 
Gestão Estratégica do Suprimento e o Impacto no Desempenho das Empresas Brasi...
Gestão Estratégica do Suprimento e o Impacto no Desempenho das Empresas Brasi...Gestão Estratégica do Suprimento e o Impacto no Desempenho das Empresas Brasi...
Gestão Estratégica do Suprimento e o Impacto no Desempenho das Empresas Brasi...
 
Modulo II Parte 4 Plano de Negócio.pptx2
Modulo II Parte 4 Plano de Negócio.pptx2Modulo II Parte 4 Plano de Negócio.pptx2
Modulo II Parte 4 Plano de Negócio.pptx2
 
Entendendo o Mercado-Workshop para Startups Supera Parque Tecnológico de Ribe...
Entendendo o Mercado-Workshop para Startups Supera Parque Tecnológico de Ribe...Entendendo o Mercado-Workshop para Startups Supera Parque Tecnológico de Ribe...
Entendendo o Mercado-Workshop para Startups Supera Parque Tecnológico de Ribe...
 

Mais de douglas

TPM - Manutenção Produtiva Total: implementação e melhoria contínua
TPM - Manutenção Produtiva Total: implementação e melhoria contínuaTPM - Manutenção Produtiva Total: implementação e melhoria contínua
TPM - Manutenção Produtiva Total: implementação e melhoria contínua
douglas
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 6 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 6 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 6 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 6 de 6
douglas
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 5 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 5 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 5 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 5 de 6
douglas
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 4 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 4 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 4 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 4 de 6
douglas
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 3 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 3 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 3 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 3 de 6
douglas
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 2 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 2 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 2 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 2 de 6
douglas
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 1 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 1 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 1 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 1 de 6
douglas
 
Administração da Produção - Supply Chain e Logistica
Administração da Produção - Supply Chain e LogisticaAdministração da Produção - Supply Chain e Logistica
Administração da Produção - Supply Chain e Logistica
douglas
 
Administração da Produção - Cronoanalise
Administração da Produção - CronoanaliseAdministração da Produção - Cronoanalise
Administração da Produção - Cronoanalise
douglas
 
Administração da Produção - Projeto da rede e Localização
Administração da Produção - Projeto da rede e LocalizaçãoAdministração da Produção - Projeto da rede e Localização
Administração da Produção - Projeto da rede e Localização
douglas
 
Administração da Produção - Produto
Administração da Produção - ProdutoAdministração da Produção - Produto
Administração da Produção - Produto
douglas
 
Administração da Produção - Planejamento e Controle de Capacidade
Administração da Produção - Planejamento e Controle de CapacidadeAdministração da Produção - Planejamento e Controle de Capacidade
Administração da Produção - Planejamento e Controle de Capacidade
douglas
 
Administração da Produção - Planejamento e Controle de Estoques
Administração da Produção - Planejamento e Controle de EstoquesAdministração da Produção - Planejamento e Controle de Estoques
Administração da Produção - Planejamento e Controle de Estoques
douglas
 
Administração da Produção - Planejamento e Necessidade de Materiais (MRP)
Administração da Produção - Planejamento e Necessidade de Materiais (MRP)Administração da Produção - Planejamento e Necessidade de Materiais (MRP)
Administração da Produção - Planejamento e Necessidade de Materiais (MRP)
douglas
 
Melhoria continua - Six Sigma - Melhoria de processos (Parte 2 de 2)
Melhoria continua - Six Sigma - Melhoria de processos (Parte 2 de 2)Melhoria continua - Six Sigma - Melhoria de processos (Parte 2 de 2)
Melhoria continua - Six Sigma - Melhoria de processos (Parte 2 de 2)
douglas
 
Melhoria continua - Six Sigma - Melhoria de processos (Parte 1 de 2)
Melhoria continua - Six Sigma - Melhoria de processos (Parte 1 de 2)Melhoria continua - Six Sigma - Melhoria de processos (Parte 1 de 2)
Melhoria continua - Six Sigma - Melhoria de processos (Parte 1 de 2)
douglas
 
Administração de Produção - Just in Time (JIT)
Administração de Produção - Just in Time (JIT)Administração de Produção - Just in Time (JIT)
Administração de Produção - Just in Time (JIT)
douglas
 
Introdução a Administração de Produção e Operações
Introdução a Administração de Produção e OperaçõesIntrodução a Administração de Produção e Operações
Introdução a Administração de Produção e Operações
douglas
 

Mais de douglas (18)

TPM - Manutenção Produtiva Total: implementação e melhoria contínua
TPM - Manutenção Produtiva Total: implementação e melhoria contínuaTPM - Manutenção Produtiva Total: implementação e melhoria contínua
TPM - Manutenção Produtiva Total: implementação e melhoria contínua
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 6 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 6 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 6 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 6 de 6
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 5 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 5 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 5 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 5 de 6
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 4 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 4 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 4 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 4 de 6
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 3 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 3 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 3 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 3 de 6
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 2 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 2 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 2 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 2 de 6
 
Curso de Cronoanálise - Tempos e Movimentos - Parte 1 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 1 de 6Curso de Cronoanálise - Tempos e Movimentos - Parte 1 de 6
Curso de Cronoanálise - Tempos e Movimentos - Parte 1 de 6
 
Administração da Produção - Supply Chain e Logistica
Administração da Produção - Supply Chain e LogisticaAdministração da Produção - Supply Chain e Logistica
Administração da Produção - Supply Chain e Logistica
 
Administração da Produção - Cronoanalise
Administração da Produção - CronoanaliseAdministração da Produção - Cronoanalise
Administração da Produção - Cronoanalise
 
Administração da Produção - Projeto da rede e Localização
Administração da Produção - Projeto da rede e LocalizaçãoAdministração da Produção - Projeto da rede e Localização
Administração da Produção - Projeto da rede e Localização
 
Administração da Produção - Produto
Administração da Produção - ProdutoAdministração da Produção - Produto
Administração da Produção - Produto
 
Administração da Produção - Planejamento e Controle de Capacidade
Administração da Produção - Planejamento e Controle de CapacidadeAdministração da Produção - Planejamento e Controle de Capacidade
Administração da Produção - Planejamento e Controle de Capacidade
 
Administração da Produção - Planejamento e Controle de Estoques
Administração da Produção - Planejamento e Controle de EstoquesAdministração da Produção - Planejamento e Controle de Estoques
Administração da Produção - Planejamento e Controle de Estoques
 
Administração da Produção - Planejamento e Necessidade de Materiais (MRP)
Administração da Produção - Planejamento e Necessidade de Materiais (MRP)Administração da Produção - Planejamento e Necessidade de Materiais (MRP)
Administração da Produção - Planejamento e Necessidade de Materiais (MRP)
 
Melhoria continua - Six Sigma - Melhoria de processos (Parte 2 de 2)
Melhoria continua - Six Sigma - Melhoria de processos (Parte 2 de 2)Melhoria continua - Six Sigma - Melhoria de processos (Parte 2 de 2)
Melhoria continua - Six Sigma - Melhoria de processos (Parte 2 de 2)
 
Melhoria continua - Six Sigma - Melhoria de processos (Parte 1 de 2)
Melhoria continua - Six Sigma - Melhoria de processos (Parte 1 de 2)Melhoria continua - Six Sigma - Melhoria de processos (Parte 1 de 2)
Melhoria continua - Six Sigma - Melhoria de processos (Parte 1 de 2)
 
Administração de Produção - Just in Time (JIT)
Administração de Produção - Just in Time (JIT)Administração de Produção - Just in Time (JIT)
Administração de Produção - Just in Time (JIT)
 
Introdução a Administração de Produção e Operações
Introdução a Administração de Produção e OperaçõesIntrodução a Administração de Produção e Operações
Introdução a Administração de Produção e Operações
 

Último

Caderno de Formação_PORTUGUÊS ESTRAN.pdf
Caderno de Formação_PORTUGUÊS ESTRAN.pdfCaderno de Formação_PORTUGUÊS ESTRAN.pdf
Caderno de Formação_PORTUGUÊS ESTRAN.pdf
carlaslr1
 
A dinâmica da população mundial de acordo com as teorias populacionais.pptx
A dinâmica da população mundial de acordo com as teorias populacionais.pptxA dinâmica da população mundial de acordo com as teorias populacionais.pptx
A dinâmica da população mundial de acordo com as teorias populacionais.pptx
ReinaldoSouza57
 
Sistema de Bibliotecas UCS - Chronica do emperador Clarimundo, donde os reis ...
Sistema de Bibliotecas UCS - Chronica do emperador Clarimundo, donde os reis ...Sistema de Bibliotecas UCS - Chronica do emperador Clarimundo, donde os reis ...
Sistema de Bibliotecas UCS - Chronica do emperador Clarimundo, donde os reis ...
Biblioteca UCS
 
Especialidade - Animais Ameaçados de Extinção(1).pdf
Especialidade - Animais Ameaçados de Extinção(1).pdfEspecialidade - Animais Ameaçados de Extinção(1).pdf
Especialidade - Animais Ameaçados de Extinção(1).pdf
DanielCastro80471
 
Fato X Opinião (Língua Portuguesa 9º Ano).pptx
Fato X Opinião (Língua Portuguesa 9º Ano).pptxFato X Opinião (Língua Portuguesa 9º Ano).pptx
Fato X Opinião (Língua Portuguesa 9º Ano).pptx
MariaFatima425285
 
Aula 3- 6º HIS - As origens da humanidade, seus deslocamentos e os processos ...
Aula 3- 6º HIS - As origens da humanidade, seus deslocamentos e os processos ...Aula 3- 6º HIS - As origens da humanidade, seus deslocamentos e os processos ...
Aula 3- 6º HIS - As origens da humanidade, seus deslocamentos e os processos ...
Luana Neres
 
LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptxLIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
WelidaFreitas1
 
proposta curricular ou plano de cursode lingua portuguesa eja anos finais ( ...
proposta curricular  ou plano de cursode lingua portuguesa eja anos finais ( ...proposta curricular  ou plano de cursode lingua portuguesa eja anos finais ( ...
proposta curricular ou plano de cursode lingua portuguesa eja anos finais ( ...
Escola Municipal Jesus Cristo
 
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdfArundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
Ana Da Silva Ponce
 
Egito antigo resumo - aula de história.pdf
Egito antigo resumo - aula de história.pdfEgito antigo resumo - aula de história.pdf
Egito antigo resumo - aula de história.pdf
sthefanydesr
 
educação inclusiva na atualidade como ela se estabelece atualmente
educação inclusiva na atualidade como ela se estabelece atualmenteeducação inclusiva na atualidade como ela se estabelece atualmente
educação inclusiva na atualidade como ela se estabelece atualmente
DeuzinhaAzevedo
 
Aula01 - ensino médio - (Filosofia).pptx
Aula01 - ensino médio - (Filosofia).pptxAula01 - ensino médio - (Filosofia).pptx
Aula01 - ensino médio - (Filosofia).pptx
kdn15710
 
UFCD_8298_Cozinha criativa_índice do manual
UFCD_8298_Cozinha criativa_índice do manualUFCD_8298_Cozinha criativa_índice do manual
UFCD_8298_Cozinha criativa_índice do manual
Manuais Formação
 
05-os-pre-socraticos sociologia-28-slides.pptx
05-os-pre-socraticos sociologia-28-slides.pptx05-os-pre-socraticos sociologia-28-slides.pptx
05-os-pre-socraticos sociologia-28-slides.pptx
ValdineyRodriguesBez1
 
O sentimento nacional brasiliero, segundo o historiador Jose Murlo de Carvalho
O sentimento nacional brasiliero, segundo o historiador Jose Murlo de CarvalhoO sentimento nacional brasiliero, segundo o historiador Jose Murlo de Carvalho
O sentimento nacional brasiliero, segundo o historiador Jose Murlo de Carvalho
analuisasesso
 
UFCD_10949_Lojas e-commerce no-code_índice.pdf
UFCD_10949_Lojas e-commerce no-code_índice.pdfUFCD_10949_Lojas e-commerce no-code_índice.pdf
UFCD_10949_Lojas e-commerce no-code_índice.pdf
Manuais Formação
 
Sinais de pontuação
Sinais de pontuaçãoSinais de pontuação
Sinais de pontuação
Mary Alvarenga
 
PROPOSTA CURRICULAR EDUCACAO FISICA.docx
PROPOSTA CURRICULAR  EDUCACAO FISICA.docxPROPOSTA CURRICULAR  EDUCACAO FISICA.docx
PROPOSTA CURRICULAR EDUCACAO FISICA.docx
Escola Municipal Jesus Cristo
 
BULLYING NÃO É AMOR.pdf LIVRO PARA TRABALHAR COM ALUNOS ATRAVÉS DE PROJETOS...
BULLYING NÃO É AMOR.pdf LIVRO PARA TRABALHAR COM ALUNOS ATRAVÉS DE PROJETOS...BULLYING NÃO É AMOR.pdf LIVRO PARA TRABALHAR COM ALUNOS ATRAVÉS DE PROJETOS...
BULLYING NÃO É AMOR.pdf LIVRO PARA TRABALHAR COM ALUNOS ATRAVÉS DE PROJETOS...
Escola Municipal Jesus Cristo
 
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdfEJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
Escola Municipal Jesus Cristo
 

Último (20)

Caderno de Formação_PORTUGUÊS ESTRAN.pdf
Caderno de Formação_PORTUGUÊS ESTRAN.pdfCaderno de Formação_PORTUGUÊS ESTRAN.pdf
Caderno de Formação_PORTUGUÊS ESTRAN.pdf
 
A dinâmica da população mundial de acordo com as teorias populacionais.pptx
A dinâmica da população mundial de acordo com as teorias populacionais.pptxA dinâmica da população mundial de acordo com as teorias populacionais.pptx
A dinâmica da população mundial de acordo com as teorias populacionais.pptx
 
Sistema de Bibliotecas UCS - Chronica do emperador Clarimundo, donde os reis ...
Sistema de Bibliotecas UCS - Chronica do emperador Clarimundo, donde os reis ...Sistema de Bibliotecas UCS - Chronica do emperador Clarimundo, donde os reis ...
Sistema de Bibliotecas UCS - Chronica do emperador Clarimundo, donde os reis ...
 
Especialidade - Animais Ameaçados de Extinção(1).pdf
Especialidade - Animais Ameaçados de Extinção(1).pdfEspecialidade - Animais Ameaçados de Extinção(1).pdf
Especialidade - Animais Ameaçados de Extinção(1).pdf
 
Fato X Opinião (Língua Portuguesa 9º Ano).pptx
Fato X Opinião (Língua Portuguesa 9º Ano).pptxFato X Opinião (Língua Portuguesa 9º Ano).pptx
Fato X Opinião (Língua Portuguesa 9º Ano).pptx
 
Aula 3- 6º HIS - As origens da humanidade, seus deslocamentos e os processos ...
Aula 3- 6º HIS - As origens da humanidade, seus deslocamentos e os processos ...Aula 3- 6º HIS - As origens da humanidade, seus deslocamentos e os processos ...
Aula 3- 6º HIS - As origens da humanidade, seus deslocamentos e os processos ...
 
LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptxLIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
 
proposta curricular ou plano de cursode lingua portuguesa eja anos finais ( ...
proposta curricular  ou plano de cursode lingua portuguesa eja anos finais ( ...proposta curricular  ou plano de cursode lingua portuguesa eja anos finais ( ...
proposta curricular ou plano de cursode lingua portuguesa eja anos finais ( ...
 
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdfArundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
 
Egito antigo resumo - aula de história.pdf
Egito antigo resumo - aula de história.pdfEgito antigo resumo - aula de história.pdf
Egito antigo resumo - aula de história.pdf
 
educação inclusiva na atualidade como ela se estabelece atualmente
educação inclusiva na atualidade como ela se estabelece atualmenteeducação inclusiva na atualidade como ela se estabelece atualmente
educação inclusiva na atualidade como ela se estabelece atualmente
 
Aula01 - ensino médio - (Filosofia).pptx
Aula01 - ensino médio - (Filosofia).pptxAula01 - ensino médio - (Filosofia).pptx
Aula01 - ensino médio - (Filosofia).pptx
 
UFCD_8298_Cozinha criativa_índice do manual
UFCD_8298_Cozinha criativa_índice do manualUFCD_8298_Cozinha criativa_índice do manual
UFCD_8298_Cozinha criativa_índice do manual
 
05-os-pre-socraticos sociologia-28-slides.pptx
05-os-pre-socraticos sociologia-28-slides.pptx05-os-pre-socraticos sociologia-28-slides.pptx
05-os-pre-socraticos sociologia-28-slides.pptx
 
O sentimento nacional brasiliero, segundo o historiador Jose Murlo de Carvalho
O sentimento nacional brasiliero, segundo o historiador Jose Murlo de CarvalhoO sentimento nacional brasiliero, segundo o historiador Jose Murlo de Carvalho
O sentimento nacional brasiliero, segundo o historiador Jose Murlo de Carvalho
 
UFCD_10949_Lojas e-commerce no-code_índice.pdf
UFCD_10949_Lojas e-commerce no-code_índice.pdfUFCD_10949_Lojas e-commerce no-code_índice.pdf
UFCD_10949_Lojas e-commerce no-code_índice.pdf
 
Sinais de pontuação
Sinais de pontuaçãoSinais de pontuação
Sinais de pontuação
 
PROPOSTA CURRICULAR EDUCACAO FISICA.docx
PROPOSTA CURRICULAR  EDUCACAO FISICA.docxPROPOSTA CURRICULAR  EDUCACAO FISICA.docx
PROPOSTA CURRICULAR EDUCACAO FISICA.docx
 
BULLYING NÃO É AMOR.pdf LIVRO PARA TRABALHAR COM ALUNOS ATRAVÉS DE PROJETOS...
BULLYING NÃO É AMOR.pdf LIVRO PARA TRABALHAR COM ALUNOS ATRAVÉS DE PROJETOS...BULLYING NÃO É AMOR.pdf LIVRO PARA TRABALHAR COM ALUNOS ATRAVÉS DE PROJETOS...
BULLYING NÃO É AMOR.pdf LIVRO PARA TRABALHAR COM ALUNOS ATRAVÉS DE PROJETOS...
 
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdfEJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
 

Administração da Produção - Previsão de Demanda

  • 1. Administração de Materiais Previsão de Demanda Ref. Bibliográfica: Martins, Petrônio G. Administração da Produção, Editora Saraiva, Segunda Edição, Capítulo 8. Peinado J. Administração da Produção, UnicenP, 2007, Cap. 7 “Material disponibilizado para livre utilização. Pedimos apenas que cite os websites abaixo como fonte de referencia.” www.betagama.com.brwww.dunamath.com
  • 2. Uma previsão é uma afirmativa ou inferência sobre o futuro, usualmente baseada em informação histórica. 2 www.betagama.com.brwww.dunamath.com
  • 4. DIMENSÃO DO PRODUTO - nível de desagregação desejado. Pode-se prever a demanda de todos os itens de modo agregado ou desagregar a previsão em classes ou itens específicos. DISPERSÃO ESPACIAL DA DEMANDA - o espaço geográfico onde a demanda futura irá ocorrer. No caso de uma secretaria da saúde de um município, pode ser importante desagregar a previsão por distritos ou bairros para melhor atender à demanda nesses locais. DIMENSÃO TEMPORAL - refere-se ao alcance da previsão em termos de tempo . Previsões de longo, médio e curto prazo. QUEM VAI UTILIZÁ-LA. Exemplo: a gestão de materiais, interessa saber a previsão de todos os itens individualizados, mas a alta administração se interessam por valores agregados com a demanda em valores monetários. 4 www.betagama.com.brwww.dunamath.com
  • 5. Previsões raramente são perfeitas. É preciso conviver com um certo nível de erro, que é a diferença entre o que foi previsto e o que realmente aconteceu. O objetivo da previsão é fazer bons prognósticos em média no decorrer do tempo e manter os erros das previsões em níveis tão baixos quanto possível. Previsões são mais exatas para horizontes de tempo mais curtos do que para os maiores. Os dados não mudam muito a curto prazo. A medida que o horizonte do tempo aumenta, entretanto, existe uma probabilidade muito maior de que venham a ocorrer mudanças nos padrões e nos relacionamentos estabelecidos. PRINCÍPIOS DAS PREVISÕES
  • 6. Erros esperados crescem com horizonte
  • 7. PRINCÍPIOS DAS PREVISÕES  As previsões são mais exatas para grupos ou famílias de itens do que para itens individuais.  Quando os itens são agrupados, seus valores individuais altos e baixos podem cancelar uns aos outros.  Os dados de um grupo de itens podem ser estáveis mesmo quando os itens individuais do grupo são muito instáveis.
  • 8.
  • 9. o Principais Indicadores • Média de horas de trabalho semanal • Consultas às organizações de proteção ao crédito (SERASA) • Solicitações de alvará para construção • Taxa de desemprego • PIB • Produção industrial • Investimentos em fábricas e equipamentos • Níveis de estoques • Empréstimos comerciais e industriais Exemplos de Indicadores de Demanda
  • 10. o Fatores InternosFatores Internos Orçamento de vendasOrçamento de vendas PropagandaPropaganda PromoçõesPromoções Projeto doProjeto do Produto/ServiçoProduto/Serviço DescontosDescontos BacklogsBacklogs o Fatores ExternosFatores Externos Ciclo de negóciosCiclo de negócios CompetiçãoCompetição Eventos MundiaisEventos Mundiais Ações governamentaisAções governamentais Ciclo de vida do produtoCiclo de vida do produto Fatores que influenciam a Demanda
  • 11. Estágios da Demanda no Ciclo de Vida do Produto CRESCIMENTOINTRODUÇÃO MATURIDADE DECLÍNIO DEMANDA TEMPO
  • 12. Componentes da Demanda SériesComponentes da Demanda Séries TemporaisTemporais Média ou NívelMédia ou Nível TendênciaTendência LinearLinear SazonalSazonal AleatóriaAleatória
  • 13. Técnicas de Previsão: Modelos Qualitativos Predição Na verdade não se trata de um método científico, mas sim de um processo para a determinação de um acontecimento futuro com base em dados completamente subjetivos, de natureza altamente duvidosa. É uma aposta no futuro, com grande risco e sujeita à sorte. A predição faz parte do estilo empreendedor e é, muitas vezes, interpretada como visão ou feeling. O empreendedor visionário parece dominar a técnica da predição, enxergando oportunidades de demanda incapazes de serem percebidas pelos métodos tradicionais.
  • 14. Técnicas de Previsão: Modelos Qualitativos Opiniões de executivos São previsões baseadas no julgamento e opinião de um pequeno grupo de executivos de alto nível, geralmente ligados às áreas comercial, financeira e de produção. A previsão pode não ser o consenso do grupo mas a opinião de quem detém o maior nível hierárquico, experiência, ou força de persuasão. É importante perceber que este método é útil quando não se têm dados históricos anteriores de demanda.
  • 15. Técnicas de Previsão: Modelos Qualitativos Método Delphi A essência do método consiste em fazer com que as opiniões sobre determinado assunto, no caso especifico a previsão de demanda, não sejam influenciadas pela opinião do grupo. Algumas pessoas, que são mantidas no anonimato, respondem a um questionário e o entregam a um coordenador que por sua vez tabula as respostas e o envia de volta aos participantes. Os participantes podem então alterar as suas respostas e o processo é repetido até que se obtenha um consenso.
  • 16. 16 Técnicas de Previsão: Modelos Qualitativos Pesquisas de mercado Esta metodologia é imprescindível para a colocação de um novo produto no mercado. A pesquisa de mercado é uma pesquisa preditiva para levantar a intenção de compra diretamente do mercado consumidor. Trata-se de um estudo sistemático que deve seguir determinadas regras estatísticas. Algumas das principais limitações decorrem de que as pesquisas de mercado se tratam de intenções de compra, que nem sempre se concretizam no futuro. Também é preciso considerar a influência das promoções de marketing e a fase do ciclo de vida do produto.
  • 17. Técnicas de Previsão: Modelos Qualitativos Analogia com produtos similares Uma forma bastante utilizada para o lançamento de um produto é buscar dados históricos de vendas de produtos similares, quando estes existem. Neste caso, deve-se atentar para o grau de similaridade do produto de comparação.
  • 18. Técnicas de Previsão: Modelos Quantitativos Modelos de séries temporais partem do princípio de que todas as informações necessárias para se fazer uma previsão estão contidas na série temporal dos dados. OBS: Uma série temporal é uma série de observações tomadas a intervalos regulares durante um determinado período. Modelos causais pressupõem que a variável que queremos prever é relacionada de alguma maneira com outras variáveis do ambiente. A tarefa do previsor é descobrir como essas variáveis estão relacionadas em termos matemáticos.
  • 19. Erros em Previsão Erro Simples Erro Absoluto Desvio Padrão dos Erros Erro Quadrático Médio Tendência de Viés ou (Sinal de Rastreamento – TS) Ver Planilha Excel: Aba “Erros” 19 www.betagama.com.brwww.dunamath.com
  • 20. Erros em Previsão Tendência de Viés O erro de viés ocorre quando as variações da demanda efetivamente ocorridas, quando comparadas com as previsões, apresentam um comportamento estatisticamente não aleatório. Em outras palavras, as diferenças aparecem tendenciosamente para cima ou para baixo dos valores reais de uma série temporal, o que pode indicar que a previsão da demanda está sendo consistentemente otimista ou pessimista demais O valor da tendência de viés (TS) encontrado para cada período deve permanecer entre -4 e +4 (para alguns autores entre -3 e +3). Valores superiores ou inferiores indicam que há uma grande probabilidade de estar acontecendo erros de viés. A causa do erro de viés deve ser analisada e identificada para cada período ou intervalo de períodos em que isto aconteceu. Para facilitar a análise, convém colocar os valores da tendência de viés em um gráfico para melhor visualização 20 www.betagama.com.brwww.dunamath.com
  • 21. Modelos de séries temporais Média Móvel Simples É importante observar que, quanto maior o valor de n, maior será a influência das demandas mais antigas sobre a previsão. Por isso, na prática, muitas vezes se realiza o cálculo da média móvel simples incluindo apenas os 3 últimos períodos.
  • 22. Modelos de séries temporais Média Móvel Simples Deve ser aplicado apenas para demandas que não apresentem tendência ou sazonalidade, em outras palavras, em situações em que a demanda observada no passado apresente pouca variação em seu comportamento, não havendo crescimento ou diminuição ao longo do tempo, nem flutuações periódicas. Este tipo de demanda ocorre para produtos em sua fase de maturidade, do gênero de alimentação básica, como arroz, feijão, macarrão, sal etc., ou produtos de higiene básica como sabão, sabonetes, etc.
  • 23. Modelos de séries temporais Média Móvel Simples Quanto maior o desvio padrão da seqüência da demanda real observada, maior será a amplitude do erro de previsão.
  • 24. Modelos de séries temporais Média Móvel Ponderada Usado para demandas que não apresentem nem tendência nem sazonalidade. A diferença entre este modelo e o da média móvel simples é que agora se considera um peso maior para os períodos mais recentes de demanda.Os valores da demanda dos períodos mais próximos. Normalmente se utiliza a soma dos pesos igual a um, para que não seja necessário dividir o resultado pela soma dos pesos
  • 25. Modelos de séries temporais Média Móvel Ponderada Quanto maiores os pesos atribuídos aos últimos períodos, maior será sua influência na previsão da demanda. Ex: Considerando uma média móvel ponderada para os últimos três períodos com pesos 0,6; 0,3 e 0,1, o cálculo da previsão de demanda dos produtos A e B para o período 13 no exemplo do slide 21 é o seguinte:
  • 26. Modelos de séries temporais Média Móvel com Suavização Exponencial Simples É uma variação da média móvel ponderada. Também deve ser aplicado apenas para demandas que não apresentem tendência nem sazonalidade. Adota-se um peso de ponderação. Estimativa: alfa = 2/(n+1); onde n = número de períodos
  • 27. Modelos de séries temporais Média Móvel com Suavização Exponencial Simples O valor da constante de suavização “alfa” varia entre 0 e 1. Quanto maior o valor de “alfa” , menor será a influência da demanda real do último período na previsão de demanda. Convém ressaltar que a atribuição do valor 1 para o coeficiente vai gerar os mesmos resultados obtidos no modelo da média móvel simples.
  • 28. Modelos de séries temporais Média Móvel com Suavização Exponencial Simples Considerando uma média móvel para os últimos três períodos e um valor arbitrário de alfa = 0,1; o cálculo da previsão de demanda dos produtos A e B para o período 13 do slide 23 é realizado da seguinte forma:
  • 29. Modelos de séries temporais OBS Os modelos de previsão de demanda baseados na média móvel simples, ponderada e com suavização exponencial são os modelos mais simples de previsão de demanda e devem ser aplicados apenas para produtos cuja demanda não apresente tendência ou sazonalidade. Além disto, estes modelos não são capazes de lidar com aleatoriedade muito severa, que pode ser detectada a partir de desvios padrão elevados. Apesar de, à primeira vista, parecerem modelos simples demais, eles são largamente utilizados, de maneira formal ou intuitiva nas organizações, justamente pela facilidade de cálculo e entendimento.
  • 30. Modelo dos Mínimos Quadrados ou Regressão Linear ou Ajustamento de Retas Pode ser aplicado a demandas que apresentam tendência, mas não apresentam sazonalidade. Demandas desta natureza podem ser representadas, por exemplo, por produtos que se encontram na fase de crescimento (tendência crescente) ou em fase de declínio (tendência decrescente), dentro do seu ciclo de vida. O método utiliza a teoria dos mínimos quadrados para promover uma regressão linear que determina a equação da reta que melhor representa os valores da demanda passada. A partir desta equação, são extrapoladas as projeções para o futuro. A reta obtida pelo método dos mínimos quadrados é a reta que minimiza a somatória das distâncias entre cada valor de demanda ocorrido e a própria reta.
  • 31. Modelo dos Mínimos Quadrados ou Regressão Linear
  • 32. Modelo dos Mínimos Quadrados ou Regressão Linear
  • 33. Modelo dos Mínimos Quadrados ou Regressão Linear
  • 34. Modelo dos Mínimos Quadrados ou Regressão Linear Este método também não pode ser utilizada eficazmente para a realização de previsões quando houver sazonalidade, ao menos não antes que seja feito o ajustamento sazonal, apresentado a seguir.
  • 35. Ajustamento sazonal O modelo de previsão de demanda por meio do ajustamento sazonal pode ser aplicado para séries temporais de demandas que apresentam nível, tendência e sazonalidade. Demandas desta natureza podem acontecer, por exemplo, para produtos influenciados pela época do ano, como brinquedos, mais vendidos em épocas próximas ao dia das crianças e natal; sorvetes, cuja demanda se concentra no verão; agasalhos e cobertores, que, naturalmente, têm maior saída no inverno; material escolar que costuma ser mais vendido no inicio e meio do ano letivo.
  • 36. Ajustamento sazonal A previsão da demanda com ajustamento sazonal é obtida utilizando-se a “equação da reta” multiplicada pelo “fator de sazonalidade”.
  • 38. Ajustamento sazonal Conforme mencionado, o modelo do ajuste sazonal é indicado para séries de demanda que possuam nível, tendência e sazonalidade. Um ponto de partida é encontrar os valores dos coeficientes de nível (a) e de tendência (b) para, em seguida, encontrar o coeficiente de sazonalidade para cada período. Para isto, não é aconselhável realizar a regressão linear na série de demanda original, com sazonalidade, sob pena de se encontrar valores de nível e tendência que vão originar previsões com grandes tendências de viés, que podem inviabilizar o modelo. Este é um erro comumente observado. Os dados da demanda original não são lineares e o resultado da regressão linear, em conseqüência disto, não será preciso. Antes da execução da regressão linear para a estimativa do nível e da tendência é necessário dessazonalizar os dados da demanda observada.
  • 39. Ajustamento sazonal Média móvel centrada Método bastante utilizado para dessazonalizar a demanda real observada, preparando-a para a regressão linear.
  • 41. Ajustamento sazonal Média centrada de dessazonalização para periodicidade ímpar Média centrada de dessazonalização para periodicidade par Exemplo: para a obtenção da demanda dessazonalizada no período 5 de uma série de demandas observadas com periodicidade 3, a fórmula resulta em: Exemplo: para a obtenção da demanda dessazonalizada no período 5 de uma série de demandas observadas com periodicidade 4, a fórmula resulta em:
  • 42. Ajustamento sazonal Cálculo dos Fatores de Sazonalidade O próximo passo é fazer a regressão linear da Demanda Dessazonalizada pela Média Móvel Centrada, obtendo-se uma nova Demanda Dessazonalizada. O quociente percentual entre a demanda real e a demanda dessazonalizada fornece o índice de sazonalidade de cada período. Se houver mais de um ciclo de sazonalidade, toma-se a média dos vários índices do período de sazonalidade que se repete a cada ciclo. Com os valores de nível, tendência e sazonalidade calculados, agora fica possível realizar a previsão pelo modelo de ajustamento exponencial.
  • 43. Ajustamento sazonal Cálculo da Previsão: previsao = [ a + (b * P) ] * Si a = coef. Nível; b = coef. tendência P = período ; Si = coeficiente medio de sazonalidade na posição "i" do ciclo
  • 44. Ajustamento sazonal Cálculo da Previsão: 1 2 3 1 2 3 1 2 3 1 2 3 previsao = [ a + (b * P) ] * Si a = coef. Nível; b = coef. tendência P = período ; Si = coeficiente medio de sazonalidade na posição "i" do ciclo
  • 45. Modelos Estáticos x Dinâmicos  Os modelos apresentados até o momento assumem que as características de nível, tendência e sazonalidade permanecem constantes ao longo do tempo. Os índices são determinados uma única vez e utilizados para todas as previsões futuras. Por isso, estes modelos são conhecidos como modelos estáticos de previsão.  Pode ser interessante utilizar fatores de suavização para os índices atribuindo-se um peso maior para os índices de nível, tendência e sazonalidade apresentados nos últimos períodos. Nos modelos dinâmicos de previsão, as estimativas de nível, tendência e sazonalidade são atualizadas após cada observação da demanda.
  • 46. Modelo de Winter Modelo dinâmico de previsão bastante prático e de larga utilização nas organizações que têm produtos cuja demanda apresenta variabilidade em suas características de nível, tendência e sazonalidade. Vamos retomar o exemplo da demanda observada para o produto B. A partir do Método de Ajustamento Sazonal, foram encontradas as seguintes estimativas de nível, tendência e sazonalidade (ver Excel, aba “Ajust Saz Parte1”).
  • 47. Para cada uma das estimativas de nível, de tendência e de sazonalidade serão aplicados fatores de suavização exponencial “alfa”, “beta” e “gama” respectivamente: Modelo de Winter OBS Alfa=beta=gama=0 Winter = Ajust. Sazonal Estático Ver Planilha Excel
  • 48. Métodos de Projeção CausaisCausais o Métodos de Correlação o Modelos de Regressão Linear Simples e Múltipla o Modelos Econométricos Pode-se dizer que o serviço “causa” vendas. Até onde as boas relações de causa-e-efeito podem ser descritas, os modelos causais têm realmente efetividade na antecipação de grandes mudanças nas séries de tempo e na previsão exata para períodos de médio a longo prazo.
  • 49. Métodos de Regressão Linear Múltipla (Correlação) o Correlação múltipla o y = a + a1.x1 + a2.x2 +….+an.xn o PARA DUAS VARIÁVEIS--> y = a + a1.x1 + a2.x2
  • 50. o Exemplo para duas variáveis  Cidade (y)Demanda(livros) (x1)Preço (x2)Renda  1 166 10 20  2 180 9 21  3 73 10 12  4 81 14 16  5 229 8 24  6 182 15 24  7 233 6 23  8 102 10 15  9 190 7 20  10 150 10 19  11 221 11 25  12 137 15 21  13 173 8 19  14 150 12 20  15 92 10 14 o Y = -2,765 - 7,738x1 + 12,286x2 ou o (demanda) = -2,765 - 7,738.(preço) + 12,286.(renda) Métodos de Regressão Linear Múltipla (Correlação) Material Complementar
  • 51. Modelo Econométrico Normalmente utilizado para médio e longo prazo. Exemplo: Deseja-se prever a demanda para uma fábrica de automóveis, e considera-se que a demanda de automóveis depende do tamanho da população (P) e da renda per capita (R). Pode-se formular um modelo que explique a quantidade de veículos a ser demandada (V), como sendo: V = (K) x (P^y) x (R^z) Onde K é uma constante e “y” e “z” são 2 coeficientes numéricos. 51 www.betagama.com.brwww.dunamath.com

Notas do Editor

  1. Visto que esta informação é importante p/ decisoes como localizacao de empresas e planejamento de capacidade, produção, etc...
  2. Qq métrica de desempenho que possa ser medida ao longo do tempo, está sujeita à previsoes.
  3. Ciclo de negocios: fase de prosperidade nas vendas, onde time de vendas conseguiu fechar novos acordos...
  4. Sempre existem fatores q não estao inclusos nas abordagens quantitativas q o feeling pode ajudar. Exemplo: fechamento de um grande negocios no proximo mês.
  5. Ex: demanda: PIB e taxa de cambio
  6. EQM enfatiza o efeito dos erros maiores, pois eles são elevados ao quadrado. Erro é importante não só para se saber a distancia da realidade, mas para selecionar o melhor modelo de previsão.
  7. Impar: t=5 ; p=3 Par: t=5 ; p=4