técnicas de previsão da demanda profª: taciana de barros jerônimo
TRANSCRIPT
![Page 1: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/1.jpg)
Técnicas de Previsão da Demanda
Profª: Taciana de Barros Jerônimo
![Page 2: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/2.jpg)
Previsão da Demanda
A previsão da demanda é a base para o planejamento estratégico da produção, vendas e finanças de qualquer empresa.
Permite que os administradores destes sistemas antevejam o futuro e planejem adequadamente suas ações.
As previsões são usadas em dois momentos distintos: para planejar o sistema produtivo (longo prazo) e para planejar o uso (curto prazo) deste sistema produtivo.
Longo prazo: produtos/serviços, instalação, equipamentos,...
Curto prazo: planos de produção, armazenagem e compras, sequenciamento
![Page 3: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/3.jpg)
Objetivo do Modelo
A primeira etapa consiste em definir a razão pela qual necessitamos de previsões.
A sofisticação e o detalhamento do modelo depende da importância relativa do produto, ou família de produtos, a ser previsto e do horizonte ao qual a previsão se destina.
Itens pouco significativos podem ser previstos com maior margem de erro, empregando-se técnicas simples. Assim como admite-se margem de erro maior para previsões de longo prazo, empregando-se dados agregados de famílias de produtos.
![Page 4: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/4.jpg)
Coleta e Análise dos DadosVisa identificar e desenvolver a técnica de previsão que melhor se
adapte. Alguns cuidados básicos:
Quanto mais dados históricos forem coletados e analisados, mais confiável a técnica de previsão será;
Os dados devem buscar a caracterização da demanda real pelos produtos da empresa, que não é necessariamente igual as vendas passadas (faltas, postergação,...);
Variações extraordinárias da demanda (greves, promoções, ...) devem ser analisadas e substituídas por valores médios, compatíveis com o comportamento normal da demanda;
O tamanho do período de consolidação dos dados (semanal, mensal,...) tem influência direta na escolha da técnica de previsão mais adequada, assim como na análise das variações extraordinárias.
![Page 5: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/5.jpg)
Seleção da Técnica de Previsão
Existem técnicas qualitativas e quantitativas. Cada uma tendo o seu campo de ação e sua aplicabilidade. Alguns fatores merecem destaque na escolha da técnica de previsão:
Decidir entre o trade off: “custo-acuracidade”;
A disponibilidade de dados históricos;
A disponibilidade de recursos computacionais;
A experiência passada com a aplicação de determinada técnica;
A disponibilidade de tempo para coletar, analisar e preparar os dados e a previsão;
O período de planejamento para o qual necessitamos da previsão.
![Page 6: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/6.jpg)
Técnicas de Previsão
Existem uma série de técnicas disponíveis, com diferenças substanciais entre elas.
Porém, as características gerais que normalmente estão presentes em todas as técnicas são:
Supõem-se que as causas que influenciaram a demanda passada continuarão a agir no futuro;
As previsões não são perfeitas, pois não somos capazes de prever todas as variações aleatórias que ocorrerão;
A acuracidade das previsões diminui com o aumento do período de tempo;
A previsão para grupos de produtos é mais precisa do que para os produtos individualmente; visto que no grupo de produtos, os erros individuais de previsão se anulam.
![Page 7: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/7.jpg)
Técnicas de Previsão
As técnicas de previsão são subdivididas em dois grandes grupos:
QUALITATIVAS privilegiam os dados subjetivos, os quais são difíceis de representar numericamente. São baseados na opinião e no julgamento de pessoas chaves, especialistas nos produtos ou nos mercados onde atuam estes produtos;
QUANTITATIVAS envolvem a análise numérica dos dados passados. Empregam-se modelos matemáticos para projetar a demanda futura. Subdividido em dois grandes grupos: as técnicas baseadas em séries temporais, e as técnicas causais (Mais conhecidos: Regressão Simples e Múltipla)
![Page 8: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/8.jpg)
Técnicas de Previsão
Técnicas Qualitativas Pouco tempo para coleta de dados, introdução de novos produtos,
cenário político/econômico instável Questões estratégicas – em conjunto com modelos matemáticos e
técnicas quantitativas
Técnicas QuantitativasSéries Temporais – modelo matemático da demanda futura relacionando dados históricos de vendas do produto com o tempo
Causais – associar dados históricos de vendas do produto com uma ou mais variáveis relacionadas à demanda
![Page 9: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/9.jpg)
Técnica Delphi
Análise de Cenários
Júri executivo de opiniões
Composição de forças de vendas
Pesquisas de mercado
Métodos QUALITATIVOS mais comuns
Vamos estudar cada um deles ...
![Page 10: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/10.jpg)
Características: anonimato, realimentação controlada das informações, quantificação das respostas (escala numérica), resposta estatística (pode não haver consenso)
Processo: 1 Passo – Coordenador elabora Questionário; 2 Passo - Grupo responde Questionário (escala numérica);3 Passo – Coordenador confere coerência das respostas, altera questões (se necessário), processa análise estatística, sistematiza os argumentos manifestados;4 Passo – Grupo responde novo Questionário (com as informações da análise estatística e dos argumentos), respostas discrepantes com relação à Média devem ser justificados;5Passo – Coordenador verifica se não houve variações significativas (Fim - Relatório), caso contrário retornar ao Passo 2.
1. Método Delphi Métodos Qualitativos
![Page 11: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/11.jpg)
1. Método Delphi Métodos Qualitativos
![Page 12: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/12.jpg)
VANTAGENS: Ótimo método para lidar
com aspectos inesperados de um problema;
Previsões com carência de dados históricos;
Interesse pessoal dos participantes;
Minimiza pressões psicológicas;
Não exige presença física.
DESVANTAGENS: Processo lento, média de
6 meses; Dependência dos
participantes; Dificuldade de redigir o
questionário; Possibilidade de
consenso forçado.
1. Método Delphi Métodos Qualitativos
![Page 13: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/13.jpg)
Situações muito complexas; Geralmente utilizado para o longo prazo; Aplicado quando não há parâmetros que
permitam uma previsão segura.
2. Análise de CenáriosMétodos Qualitativos
![Page 14: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/14.jpg)
Os cenários apresentam (preferivelmente) situações
estruturalmente diferentes.
Monitorando a evolução dos Fatores Condutores, preparamo-nos para a tomada de decisões dentro do cenário (ou do leque de cenários) que se configura.
Procura-se reduzir os riscos por meio de monitoramento e flexibilidade.
2. Análise de CenáriosMétodos Qualitativos
![Page 15: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/15.jpg)
Vantagens: Estruturar e sistematizar o
processo de projeções qualitativas;
Identificar as variáveis que impactam a demanda e seus impactos mútuos;
Estabelecer objetivos de longo prazo;
Identificar prioridade de ação.
2. Análise de CenáriosMétodos Qualitativos
Desvantagens: Dependência dos
resultados em função da escolha das variáveis;
Complexidade para se tratar muitas variáveis ao mesmo tempo;
Pequenas alterações nas variáveis podem causar grandes distorções nas previsões.
![Page 16: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/16.jpg)
POSTURA ESTRATÉGICA
Adotar o cenário mais provável como referência
Assumir postura flexível e conceber estratégia de contingência
Monitorar a trajetória e acompanhar as incertezas.
2. Análise de CenáriosMétodos Qualitativos
![Page 17: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/17.jpg)
1. Técnica Matriz Motricidade e Dependência
A matriz foi estruturada para ranquear a influência de cada fator sobre o outro, utilizando os critérios.
O objetivo é estudar o nível de motricidade e de dependência, e dos inter-relacionamentos de cada fator.
2. Análise de CenáriosMétodos Qualitativos
![Page 18: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/18.jpg)
Primeiro Passo: Definir o horizonte de tempo para a construção do cenário; Listagem preliminar das variáveis do sistema-objeto, distinguindo as variáveis exógenas e endógenas.
Segundo Passo: Discussão para levantamento das incertezas que irão afetar o desenvolvimento da empresa dentro do horizonte de tempo de estudo definido
Montagem
2. Análise de CenáriosMétodos Qualitativos
![Page 19: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/19.jpg)
Identificar fatores:
• Intercritérios > preferência entre critérios diferentes de avaliação (Poder de influência);
• Intracritérios > relevância entre os mesmos critérios de acordo com cada fator de avaliação (Poder de dependência).
2. Análise de CenáriosMétodos Qualitativos
![Page 20: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/20.jpg)
Terceiro Passo: Organizar as variáveis numa matriz quadrada (colunas e linhas) de Análise Estrutural ;
O critério utilizado é o de grau de relevância de acordo com as notas abaixo:
2. Análise de CenáriosMétodos Qualitativos
INFLUÊNCIA NOTA
Alta 3
Média 2
Baixa 1
Não interfere 0
As notas para preenchimento da matriz devem ser dadas através da realização de um brainstorming gerando o resultado dos impactos cruzados, que é a média das notas dadas pelos grupos de trabalho.
![Page 21: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/21.jpg)
Terceiro Passo:Análise da influência de cada variável sobre as outras, definindo pesos para a interação na matriz;
somatório de todas as linhas resultando no Poder de Influência;
somatório de todas as colunas resultando no Grau de Dependência;
Hierarquização e classificação das variáveis.
2. Análise de CenáriosMétodos Qualitativos
![Page 22: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/22.jpg)
VARIÁVEL/VARIÁVEL
Variável A
Variável A
Variável B
Variável B
Variável n
Variável n
- 3 1
2 - 1
0 1 -
Poder deDependência
4
3
1
Grau de motricidade
2 4 2
2. Análise de CenáriosMétodos Qualitativos
![Page 23: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/23.jpg)
O resultado da Matriz é uma seleção dos fatores em quatro categorias:
1. Motrizes: Influenciam os outros;
2. Dependentes: são influenciados;
3. Independentes: não influenciam e não são influenciados;
4. Ligação: estes são instáveis, ou seja, ao mesmo tempo influenciam e são influenciados por eles mesmos. São considerados os mais importantes, devendo ser tratados de forma simultânea.
2. Análise de CenáriosMétodos Qualitativos
![Page 24: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/24.jpg)
DIAGRAMA MOTRICIDADE-DEPENDÊNCIA
Motricidade
Variáveis Explicativas
Variáveis de Ligação
Variáveis Autônomas
Variáveis de Resultado
Dependência
I II
III IV
![Page 25: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/25.jpg)
![Page 26: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/26.jpg)
O resultado efetivo da matriz deve gerar a construção do gráfico de Motricidade x Dependência a partir dos pontos médios de motricidade e dependência dos respectivos fatores facilitadores.
2. Análise de CenáriosMétodos Qualitativos
![Page 27: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/27.jpg)
Quarto Passo: Definição das variáveis que serão trabalhadas pela equipe
2. Análise de CenáriosMétodos Qualitativos
![Page 28: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/28.jpg)
O gráfico oferece ao gestor uma visão dos fatores que devem ser priorizados, ou seja, qual o investimento que deve ser feito.
Sexto Passo: Elaboração de três hipóteses para cada uma das variáveis escolhidas.
2. Análise de CenáriosMétodos Qualitativos
![Page 29: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/29.jpg)
Matriz de Investigação Morfológica Técnica que permite configurar todas as situações
possíveis para um dado sistema, mediante a combinação de diferentes estados das incertezas (%) selecionadas dentre os condicionantes de futuro;
É a mais antiga das técnicas de prospecção de futuros, elaborada por um norte americano na 2ª Guerra Mundial.
2. Análise de CenáriosMétodos Qualitativos
![Page 30: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/30.jpg)
Matriz de Investigação Morfológica Analisa-se cada incerteza, esta pode assumir várias
hipóteses.
Haverá, portanto,tantos cenários possíveis quantas forem as combinações de hipóteses.
O conjunto destas combinações representa o campo de possibilidades. Deve-se excluir com base em critérios de consistência delas.
2. Análise de CenáriosMétodos Qualitativos
![Page 31: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/31.jpg)
Montagem1: Descrição dos cenários plausíveis e consistentes2:Definição do Cenário “mais provável” para adoção da
empresa.
2. Análise de CenáriosMétodos Qualitativos
![Page 32: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/32.jpg)
Dedução: Seleciona e prevê os acontecimentos para cada fator relevante; Malha estratégica; Matriz de GUT
2. Análise de CenáriosMétodos Qualitativos
Outras técnicas de análise de cenários
![Page 33: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/33.jpg)
A Matriz GUT (Gravidade, Urgência e Tendência) é uma forma de priorização baseado em medidas ou observações subjetivas. As letras têm o seguinte significado:
G (gravidade): diz respeito ao impacto do problema sobre os processos, pessoas, resultados. Refere-se ao custo por deixar de tomar uma ação que poderia solucionar o problema;
U (urgência): relaciona-se com o tempo disponível, ou o necessário, para resolver o problema;
T (tendência): diz respeito ao rumo ou propensão que o problema assumirá se nada for feito para eliminar o problema.
2. Análise de CenáriosMétodos Qualitativos
Matriz de GUT
![Page 34: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/34.jpg)
Atribuir notas de 1 a 5 para cada uma das variáveis G, U e T dos problemas listados e tomar o produto como o peso relativo do problema.
O método deve ser desenvolvido em grupo, sendo as notas atribuídas por consenso.
Consenso é a concordância obtida pela argumentação lógica.
2. Análise de CenáriosMétodos Qualitativos
Outras técnicas de análise de cenários
![Page 35: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/35.jpg)
Os problemas são organizados em ordem decrescente. Se dois ou mais problemas receberem a mesma nota, o
desempate pode ser feito pela consideração relativa de um novo GUT, agora considerando apenas os problemas empatados.
2. Análise de CenáriosMétodos Qualitativos
Outras técnicas de análise de cenários
![Page 36: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/36.jpg)
Indução
Seleciona poucos fatores relevantesPostula possibilidades futuras para cada fatorVerifica a combinaçãoSeleciona um conjunto de 3-4 cenários distintos (otimista,
pessimista, neutro, mais provável)
2. Análise de CenáriosMétodos Qualitativos
Outras técnicas de análise de cenários
![Page 37: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/37.jpg)
2. Análise de CenáriosMétodos Qualitativos
![Page 38: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/38.jpg)
Lógica intuitiva Feeling do gestor; Estruturação e debate dos cenários; Uso de outras técnicas em conjunto; Primeiro se analisa as estratégias e depois os cenários de
cada uma delas, de acordo com as implicações (SWOT) e com os Fatores Críticos de Sucesso.
2. Análise de CenáriosMétodos Qualitativos
Outras técnicas de análise de cenários
![Page 39: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/39.jpg)
Análise do impacto cruzado Considera todas as combinações/ cruzamentos de fatores; Considera as expectativas dos especialistas; Simulação destas expectativas para poder trabalhar com o cenário
mais adequado ao gestor e à empresa.
Simulação Utilização de recursos tecnológicos
2. Análise de CenáriosMétodos Qualitativos
![Page 40: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/40.jpg)
Inserção Especificação dos segmentos (maior para menor de acordo com a
segmentação ambiental), de maior e menor interação com a realidade da empresa
Encadeamento Vínculos entre o sistema produtivo e o ambiente empresarial
(economia do sistema):– Para trás > insumos e fatores ambientais (RH, R$, Software)– Para frente> produtos e serviços no mercado
2. Análise de CenáriosMétodos Qualitativos
Outras técnicas de análise de cenários
![Page 41: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/41.jpg)
Vendedores tem contato direto com os consumidores; Vendedores conhecem o desenvolvimento do produto
(histórico) e percebem a sua evolução no mercado.
Desvantagem:
Podem ser influenciados: eventos passados, nas metas que gostariam ter, pelas cotas mínimas de vendas
3. Opinião da força de vendasMétodos Qualitativos
![Page 42: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/42.jpg)
Consumidor é quem determina a demanda; Faz-se pesquisas de mercado para saber as necessidades
da demanda; Cuidados na Pesquisa: amostra, questionário, plano de
execução; interpretação dos dados!
4. Pesquisas com os consumidoresMétodos Qualitativos
![Page 43: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/43.jpg)
Métodos causais: demanda de um item é relacionada a uma ou mais causas externas à empresa. Regressão simples e múltipla.
Séries temporais: conhecimento de valores
passados da demanda (tempo com igual espaçamento). Classes de média e decomposição das séries temporais.
Métodos QUANTITATIVOS mais comuns
![Page 44: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/44.jpg)
1. Séries Temporais
Partem do princípio de que a demanda futura será uma projeção dos seus valores passados, não sofrendo influência de outras variáveis.
É o método mais simples e usual de previsão, e quando bem elaborado oferece bons resultados.
Para se montar o modelo de previsão, é necessário plotar os dados passados e identificar os fatores que estão por trás das características da curva obtida (Previsão final = composição dos fatores).
Uma curva temporal de previsão pode conter tendência, sazonalidade, variações irregulares e variações aleatórias.
Métodos Quantitativos
![Page 45: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/45.jpg)
1. Séries TemporaisMétodos Quantitativos
![Page 46: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/46.jpg)
Media Simples (MS)
Média aritmética simples de todas as vendas passadas:
n
RP
n
tt
t
11
1tP
tR
n
- Previsão para o próximo período;
- Valor real observado no período t;
- Número de períodos no histórico de vendas passadas
1. Séries TemporaisMétodos Quantitativos
![Page 47: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/47.jpg)
Média Móvel Simples (MMS)
A média móvel usa dados de um número já determinado de períodos, normalmente os mais recentes, para gerar sua previsão. A cada novo período de previsão se substitui o dado mais antigo pelo mais recente.
n
RRRRMP ntttt
tt
)...( 1211
1tP : previsão para o próximo período;
: média móvel no período t;
: valor real observado no período t;
: número de períodos considerados na média móvel.
tM
tR
n
1. Séries TemporaisMétodos Quantitativos
![Page 48: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/48.jpg)
Média Móvel SimplesPeríodo Janeiro Fevereiro Março Abril Maio Junho
Julho
Demanda 60 50 45 50 45 70 ?
Previsões para Julho
Mm3
50 45 70
355 00
, Mm3
45 70 60
358 33
,
Mm5
50 45 50 45 70
552 00
,
![Page 49: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/49.jpg)
Amortecimento Exponencial Simples - AES
Sem Tendência. Método permite atribuir um maior peso ( ) em valores mais recentes. Deve-se efetuar os seguintes cálculos:
...)1()1( 22
11 tttt RRRP
ttt PRP )1(1
)10( Sendo: = coeficiente de amortecimento
Próximo de 1 – previsão mais sensível ao último valor observado
Geralmente adota-se P0 = R0 ou P0 = (Rt)/n
1. Séries TemporaisMétodos Quantitativos
![Page 50: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/50.jpg)
Leva em consideração n valores reais anteriores da demanda para a composição da média;
Adota-se os pesos para a competição da previsão.
Exemplo:
Média Móvel Ponderada (MMP)
1. Séries TemporaisMétodos Quantitativos
Com os valores do exemplo anterior ponderar os períodos com pesos maiores para os mais recentes
(50%, 30%, 20%: Julho = 58,50)
![Page 51: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/51.jpg)
Uma equação linear possui o seguinte formato:
Y = Variável Dependente;a = Intercepto no eixo da variável Independente (Y);b = Coeficiente angular;X = variável Independente;n = número de períodos observados.
Regressão Linear
Y a bX
b
n XY X Y
n X X
2 2
a
Y b X
n
2. Método causalMétodos Quantitativos
![Page 52: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/52.jpg)
Buscam prever a demanda de determinado produto a partir da previsão de outra variável (interna ou externa à empresa) que esteja relacionada com o produto. Exemplo: Pneus e Carros, Vidros planos e Construção Civil
O objetivo da regressão linear simples consiste em encontrar uma equação linear de previsão, do tipo Y = a + bX (onde Y é a variável dependente a ser prevista e X a variável independente da previsão), de forma que a soma dos quadrados dos erros de previsão (b) seja a mínima possível. Este método também é conhecido como “regressão dos mínimos quadrados”.
Regressão Linear
2. Método causalMétodos Quantitativos
![Page 53: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/53.jpg)
Regressão Linear - Exemplo
Semana(X) Demanda(Y) X X2 XY
1 450 1 1 4502 430 3 5 8603 470 6 14 14104 480 10 30 19205 450 15 55 22506 500 21 91 30007 520 28 140 36408 530 36 204 4240
3830 17770
b
8 17770 36 3830
8 204 36 36
4280
33612 73,
a
3830 12 73 36
8421 46
,,
Y = 421,46 + 12,73 X
![Page 54: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/54.jpg)
Previsões Baseadas em Regressões
Medida da Correlação entre duas Variáveis:
2
1
2
2
11
2
111
.
..
n
i
n
i
n
i
n
i
n
i
n
iii
YYnXXn
YXYXn
r
![Page 55: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/55.jpg)
Manutenção e Monitorização do Modelo
Uma vez decidida a técnica de previsão e implantado o modelo, há necessidade de acompanhar o desempenho das previsões e confirmar a sua validade perante a dinâmica atual dos dados.
Esta monitorização é realizada através do cálculo e acompanhamento do erro da previsão, que é a diferença que ocorre entre o valor real da demanda e o valor previsto pelo modelo para um dado período.
A manutenção e monitorização de um modelo de previsão confiável busca:
Verificar a acuracidade dos valores previstos;Identificar, isolar e corrigir variações anormais;Permitir a escolha de técnicas, ou parâmetros, mais eficientes.
![Page 56: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/56.jpg)
Manutenção e Monitorização do Modelo
Uma série de fatores pode afetar o desempenho de um modelo de previsão, sendo que os mais comuns são:
A técnica de previsão pode estar sendo usada incorretamente, ou sendo mal interpretada;
A técnica de previsão perdeu a validade devido à mudança em uma variável importante, ou devido ao aparecimento de uma nova variável;
Variações irregulares na demanda podem ter acontecido em função de greves, formação de estoques temporários, catástrofes naturais, etc.
Ações estratégicas da concorrência, afetando a demanda;
Variações aleatórias inerentes aos dados da demanda.
![Page 57: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/57.jpg)
Onde: Valores reais de venda
Valores Previstos
Número de períodos de previsão
Metodologia de Seleção de Modelo
n
PRMAD
t
n
tt ||
1
tR
tP
Seleção pela Precisão
- Mean Absolute Deviation (MAD)
n
- Evita o problema de um erro negativo cancelar o positivo
![Page 58: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/58.jpg)
Seleção pela Precisão- Mean Percentual Error (MPE)
n
R
PR
MPE
n
t t
tt
1
)(
Onde: Valores reais de venda
Valores Previstos
Número de períodos de previsão
tR
tP
n
Mede se os valores previstos estão sistematicamente acima ou abaixo das vendas reais:
- Se o valor de MPE for positivo, tem-se que a previsão está frequentemente abaixo da venda real;
- Se o valor de MPE for negativo, tem-se que a previsão está frequentemente acima da venda real.
Metodologia de Seleção de Modelo
![Page 59: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/59.jpg)
Seleção pela Precisão
- Mean Absolute Percentual Error (MAPE)
n
R
PR
MAPE
n
t t
tt
1
||
Onde: = Valores reais de venda
= Valores Previstos
= Número de períodos de previsão
tR
tP
n
- Avalia a magnitude do erro com relação à serie histórica
Metodologia de Seleção de Modelo
![Page 60: Técnicas de Previsão da Demanda Profª: Taciana de Barros Jerônimo](https://reader036.vdocuments.site/reader036/viewer/2022062318/552fc143497959413d8e01b2/html5/thumbnails/60.jpg)
Seleção pela Precisão
- Mean Squared Error (MSE)
Onde: = Valores reais de venda
= Valores Previstos
= Número de períodos de previsão
tR
tP
n
- Os grandes erros se destacam devido ao cálculo da média ao quadrado
- Mas os erros outliers receberão grande significância (deveriam ser desconsiderados)
Metodologia de Seleção de Modelo
1
|| 2
1
n
PRMSE
t
n
tt