Gl605 Aula 9 - Prevdem v2

Gl605 Gesto de Sistemas de logstica Aula 9: PREVISO - Profs. Muriel Gavira e J. l. P.
Brittes - 2 Sem/2011 - Noturno
OBJETIVOS ESTRATGICOS DA PREVISO
Gl605 Gesto de Sistemas de logstica Aula 9: PREVISO - Profs. Muriel Gavira e J. l. P. Brittes - 2 Sem/2011 - Noturno
INTRODUO
COISAS QUE NO SE FAZEM SEM PREVISO Quanto fabricar de cada linha de produto dias, semanas, meses Que produtos ou servios fornecer meses, anos
Quais tecnologias teremos que dominar dezena de anos Quanto e como captar R$ dias, semanas, meses Que processos atualizar e como meses, anos
Ampliar ou construir novas facilidades anos Contratao e/ou capacitao de RH meses, anos Repor estoques de MP, ou PSA dias, semanas, meses
INTRODUO
COISAS QUE NO SE FAZEM SEM PREVISO Quanto fabricar de cada linha de produto dias, semanas, meses Que produtos ou servios fornecer meses, anos Quais tecnologias teremos que dominar dezena de anos Quanto e como captar R$ dias, semanas, meses Que processos atualizar e como meses, anos Ampliar ou construir novas facilidades anos Contratao e/ou capacitao de RH meses, anos Repor estoques de MP, ou PSA dias, semanas, meses
Sociedade Economia Local Economia Global Poltica MKT V

? ??? MERCADO
F
: F
Estoque
:
F
MP
Estoque
PCP
Estoque
PA
RH
D / LOG
: V
PSA
BANCO
INTRODUO
COISAS QUE NO SE FAZEM SEM PREVISO Quanto fabricar de cada linha de produto dias, semanas, meses Que produtos ou servios fornecer meses, anos Quais tecnologias teremos que dominar dezena de anos Quanto e como captar R$ dias, semanas, meses Que processos atualizar e como meses, anos Ampliar ou construir novas facilidades anos Contratao e/ou capacitao de RH meses, anos Repor estoques de MP, ou PSA dias, semanas, meses
Quanto? A que R$? PREVISO Onde?
Restrio de Disponibilidades Restrio de Horizonte Restrio de Conexo com Passado Restrio de Erros
Sociedade Economia Local Economia Global Poltica MKT

DEMANDA
F
:
Estoque
:
F
MP
Estoque
PCP
Estoque
PA
RH
D / LOG
: V
MERCADO
PSA BANCO
INTRODUO
O sucesso no desenvolvimento de um planejamento e na orientao estratgica da empresa est diretamente relacionado capacidade de identificao e previso de mudanas no ambiente de negcios
INTRODUO
O objetivo principal utilizar tcnicas de forecasting no apoio tomada de decises gerenciais.
INTRODUO

Manter-se no mercado Empresa enxuta & certeira nas decises. Diferencial atual Modelos que permitam prever variveisqualiquantitativamente + medir a qualidade da previso para antecipar cenrios futuros para planejar, alocar e dimensionar recursos de modo a tentar reduzir gastos desnecessrios com decises equivocadas.
INTRODUO

Manter-se no mercado Empresa enxuta & certeira nas decises. Diferencial atual Modelos que permitam prever variveisquali-quantitativamente + medir a qualidade da previso para antecipar cenrios futuros para planejar, alocar e dimensionar recursos de modo a tentar reduzir gastos desnecessrios com decises equivocadas. REDUZ CUSTOS DE PRODUO E DE LOGSTICA Sistema de previso consistente e eficaz Permite: Otimizao dos estoques externos Reduo dos custos logsticos na empresa. Ou seja, Exatido dos volumes (e R$) total que ser demandado Racionalizao (alocao de recursos Quais?) para PCP Racionalizao (alocao de recursos Quais?) para logstica,
ASPECTOS FUNDAMENTAIS DA PREVISO PROCESSO DE PREVISO (Muito bem planejado)
Passos para elaborao de um sistema de previso de demanda

A elaborao de um sistema de forecasting requer, de uma organizao, conhecimento e habilidade em 4 reas bsicas:
(i) Identificao e definio dos problemas a serem tratados no forecasting; (ii) Aplicao dos mtodos de forecasting; (iii) Procedimentos para seleo do mtodo apropriado a situaes especficas; e (iv) Suporte organizacional para adaptar e usar os mtodos de forecasting requeridos.
ASPECTOS FUNDAMENTAIS DA PREVISO - DEFINIES

Dias (1990): a estimativa futura dos produtos a serem adquiridos por parte dos compradores, determinando, assim, quais produtos, quanto desses produtos e quando sero comprados pelos clientes. Dessa forma, o conceito de previso de demanda pode estar associado a projeo, ou mesmo extrapolao das tendncias do passado (BOLAND, 1985). Ballou (2001): fundamental o processo de previso de demanda em uma empresa, dado que isso disponibiliza a mesma as bases para a elaborao de um planejamento e controle de todas as reas da empresa, desde a produo, e logsticas at reas como marketing e financeira. Fogliatto et al. (2005): essenciais as previses de demanda na operacionalizao de diversos aspectos em meio ao gerenciamento de operaes. Markidakis (1988): atravs da previso de demanda que so tomadas as decises estratgicas da empresa, seu planejamento ou qualquer atitude que tenha de considerar acontecimentos futuros. Corroborando com a idia, Dias (1990) a considera como ponto de partida de todo planejamento empresarial. Kotler e Keller (2006): a previso de demanda de uma empresa dada pelo seu nvel esperado de vendas, que funo do plano de marketing da empresa e do prprio ambiente assumido.
ASPECTOS FUNDAMENTAIS DA PREVISO - GERAL

O QUE AFETA A PREVISO: fatores determinantes para a previso de demanda, Kuyven e Cunha (2001): (i) geogrfico, (ii) circunstncias econmicas do local analisado, (iii) nveis de preos do produto, (iv) climtico, (v) valor reconhecido do produto pelo cliente, (vi) nvel de saturao do produto no mercado. QUEM FAZ A PREVISO NA EMPRESA: Pela forte ligao com a rea de marketing da empresa, que a previso de demanda , em muitos casos, realizada pelo departamento de marketing das empresas. Em pesquisa realizada com empresas americanas, Kahn (2001) verificou que a previso , em 62% dos casos, ao da rea de marketing; em 13% da rea de vendas; 10% de departamentos especializados em previso de vendas; e, no restante dos casos, realizada por reas financeiras, de pesquisa de mercado, produo, logstica e distribuio, entre outras.
ASPECTOS FUNDAMENTAIS DA PREVISO CARACTERSTICAS
ASPECTOS FUNDAMENTAIS DA PREVISO PROCESSO TPICO
Seqncia de passos para implementao de sistemas de forecasting validada e ajustada atravs de aplicaes prticas: (i) a utilizao da classificao ABC na identificao do nvel de agregao recomendado para as sries temporais que compem o cenrio de aplicao da metodologia e (ii) uma estratgia para identificao e remoo de valores esprios em sries temporais.
ORGANIZAR O PROCESSO DE PREVISO - FORCAST

Passos para elaborao de um sistema de previso de demanda A aplicabilidade de um sistema de forecasting depende de trs condies (Makridakis et al., 1998): Disponibilidade de informaes histricas; Possibilidade da transformao das informaes histricas em dados numricos; e Suposio da repetio de padres observados em dados passados no tempo futuro. Esta ltima considerao conhecida como suposio de continuidade. Tal condio uma premissa bsica para a utilizao de mtodos de forecasting, bem como de diversos mtodos qualitativos. As tcnicas de forecasting variam consideravelmente, tendo sido desenvolvidas com vrios propsitos distintos. Cada tcnica possui caractersticas prprias, grau de preciso e custo de utilizao, os quais devem ser considerados na escolha de um mtodo especfico. De fOl7na geral, os critrios para a escolha de um sistema de forecasting compreendem as etapas descritas na seqncia.
ETAPAS PARA REAlIZAO DA PREVISO - FORESCAST

I - Definio do Problema Em algumas aplicaes de forecasting, a definio do problema pode ser a etapa mais complexa. Diversos fatores devem ser analisados: como o forecasting ser usado, onde ser usado e como ele se encaixa dentro da organizao. O nvel de detalhe requerido uma considerao de extrema importncia, sendo influenciado por diversos fatores, tais como disponibilidade de dados, preciso, custo da anlise e preferncias gerenciais.

II - Definio do Custo O custo do forecasting preciso requerida. Uma vez que o aumento da preciso diminui as perdas resultantes dos processos decisrios, a relao entre o custo do forecasting e as perdas causadas pela incerteza forma um trade-off. Trabalha-se numa faixa que possibilite a melhor previso a um menor custo. Consultas corretas s pessoas corretas, desde a definio do problema, os responsveis pelo forecasting em si, envolvidos na coleta de dados, na manuteno do banco de dados e no uso das previses para o planejamento futuro: Pra que servir). Uma segunda classe de decises envolve elementos temporais; mais especificamente, o perodo, horizonte e intervalo do forecasting. O perodo a unidade bsica de tempo em que a previso requerida. Dentre os elementos temporais, a magnitude do perodo o fator que mais influencia na escolha do modelo a ser utilizado. O horizonte o nmero de perodos futuros cobertos pela previso, sendo expresso na mesma unidade temporal do perodo. Ele est relacionado com a capacidade de resposta da organizao. Quanto menos flexvel for a organizao, maior ser o horizonte; quanto mais gil, menor o horizonte. Recomenda-se que o horizonte do forecasting deva ser, no mnimo, igual ao maior tempo de resposta da organizao (Dias, 1999).
CUSTOS DE PREVISO
Observa-se que, medida que se aumenta a preciso da previso, seu custo se eleva. Em contrapartida, os custos diretamente relacionados s incertezas geradas pelo erro do modelo diminuem. H um ponto timo onde os custos totais de incerteza e implantao do mtodo so minimizados. Qual o Risco? No se identificar uma mudana na srie temporal. Pesam nisto: 1) Estabilidade do processo, 2) Conseqncias de se estar usando uma previso obsoleta, 3) Custos do forecasting, 4) Custo do re-planejamento. Revisar a cada perodo, usando demanda mais recente (Montgomery et aI., 1990).

III - Coleta de Informaes Pelo menos dois tipos de informaes devem estar disponveis na elaborao de um sistema de forecasting (Makridakis et aI., 1998): (i) dados estatsticos (geralmente numricos) Os dados estatsticos sero utilizados na modelagem matemtica do forecasting, e
(ii) dados subjetivos oriundos de julgamento e percia de especialistas (empregado, principalmente, na avaliao da qualidade dos dados a serem utilizados no sistema) a opinio de especialistas essencial para validao prtica das previses geradas pelo sistema.

III - Coleta de Informaes Montagem do Banco de Dados
Os dados estatsticos a serem utilizados na previso da demanda so usualmente armazenados em um banco de dados. O banco de dados deve conter, alm da srie temporal (representada por produtos e a demanda dos mesmos a cada perodo), informaes que possibilitem a utilizao de filtros. O filtro, em um banco de dados, a designao utilizada para quaisquer critrios empregados no agrupamento de dados. Considere, por exemplo, a estratificao da previso da demanda para um cliente especfico, uma regio geogrfica ou um vendedor; os filtros, no exemplo, so os clientes, a regio geogrfica e os vendedores. A atualizao do banco de dados deve ser feita a cada perodo, incorporando-se, assim, as informaes mais recentes aos modelos de previso.

III - Coleta de Informaes Classificao dos Produtos Em certos sistemas de forecasting, centenas ou milhares de produtos podem estar em estudo. Porm, nem sempre se faz necessria, para fins gerenciais, a anlise de todos os produtos individualmente. A metodologia mais aplicada para a agregao de produtos a classificao ABC. Classe A - Esta classe representa 80% do faturamento e cerca de 20% dos produtos vendidos pela empresa. Classe B - A classe B representa 15% do faturamento e cerca de 30% dos produtos vendidos pela empresa. Classe C - A classe C contempla 5% do faturamento e cerca de 50% dos produtos vendidos pela empresa. Um outro mtodo de agregao que tambm pode ser utilizado nesta etapa a classificao dos produtos por famlia. Neste mtodo, produtos com as mesmas caractersticas so agrupados em uma nica srie temporal, reduzindo significativamente o nmero de sries a serem analisadas.

III - Coleta de Informaes Definio dos Nveis de Agregao Algumas vezes, para se captar alguma caracterstica comportamento de uma srie temporal, faz-se necessrio uma agregao de seus elementos temporais. Por exemplo, quando se est analisando uma srie contendo dados dirios, pode no ser possvel visualizar com facilidade um padro no comportamento da srie que se manifeste numa base mensal, o que poderia implicar em uma deficincia na modelagem. Neste caso, poderia-se agregar os dados em perodos semanais e mensais, at que algum padro possa ser identificado na srie de maneira distinta. Muitas vezes, mesmo aps vrias agregaes temporais, nenhuma caracterstica no comportamento da srie encontrada. Isto significa que os dados de demanda apresentam um comportamento exclusivamente aleatrio, o que pode comprometer a preciso de previses futuras. As agregaes temporais so definidas, basicamente, pelos dados de demanda disponveis. J as agregaes dos produtos so definidas por preferncias gerenciais, custos da anlise, preciso requerida e a disponibilidade dos dados de demanda (Montgonwy et al.,1990).

IV - Seleo do Pacote Computacional Dada a complexidade de operacionalizao de alguns dos modelos de forecasting, faz-se necessrio o uso de pacotes computacionais. Questes que podem ser teis na determinao do pacote computacional mais apropriado (Makridakis et aI., 1998): Possuir vantagens identificadas como essenciais pela gerncia. Verifique os modelos de forecasting contemplados no produto, a forma de gerenciamento das informaes, a apresentao grfica e relatrios dos resultados obtidos na anlise. Ser compatvel com aquele utilizado pelos computadores na empresa, ou permitir a transferncia de dados entre sistemas operacionais distintos. Ser de fcil utilizao e aprendizado. Demonstrao e Treinamento para operao. Possibilitar implementao de novos modelos (Usurios avanados procuram fazer modificaes em modelos existentes de forecasting ou mesmo implementar novos modelos nos pacotes. Para tanto, a linguagem de programao do pacote selecionado deve ser dominada pelos usurios (programadores) da empresa.

IV - Seleo do Pacote Computacional Muitas vezes, centenas de sries temporais podem estar em estudo. Alguns pacotes possuem uma ferramenta que permite gerar rapidamente a previso individual de um conjunto de dados envolvendo milhares de sries temporais. Esta caracterstica de suma importncia quando se necessita agilidade na analise de muitas sries. Verifique a capacidade de processamento de dados do pacote. Sistemas de forecasting podem utilizar sries temporais bastante extensas, que eventualmente ultrapassam o limite de capacidade de processamento de alguns pacotes computacionais. Verifique a preciso das previses calculadas pelo pacote. Apesar de possurem diferentes algoritmos, pacotes distintos devem apresentar resultados no mnimo prximos. Assim, interessante fazer uma comparao entre eles, uma vez que alguns podem conter erros. A maioria dos pacotes estatsticos (de uso) genricos apresentam uma opo de anlise de forecasting. Tais pacotes so recomendados a usurios que demandem uma anlise estatstica e grfica detalhada dos dados.
ETAPAS PARA REAlIZAO DA PREVISO TIPO DE DADOS E DE PREVISO V - Anlise Preliminar Nesta etapa, dados histricos so agrupados e representados graficamente. Desta maneira, pode-se identificar possveis valores esprios na srie temporal, o que dificultaria a sua modelagem. Valores esprios podem ser causados por erros de digitao, falta de produtos. promoes espordicas e variaes no mercado financeiro, entre outras causas. Para o tratamento destes valores, sugerem-se os seguintes procedimentos: Procedimento A. Quando o valor esprio encontra-se no final da srie temporal e existem valores suficientes para gerar um modelo de previso, substitui-se o valor esprio pela previso relativa ao perodo correspondente ao dado excludo.
Procedimento B. Quando o valor esprio encontra-se no incio da srie temporal, o procedimento descrito anteriormente toma-se invivel. Uma sugesto para tal situao fazer a substituio do valor esprio por um valor mdio das observaes imediatamente adjacentes a ele, e gerar um modelo de previso. Uma vez feita a previso, o valor esprio substitudo pela previso relativa ao perodo correspondente. Uma vez retirados os valores esprios, analisam-se fatores como padres, tendncias e sazonalidades que podem estar presentes na srie temporal em estudo. A anlise grfica preliminar fornece subsdios auxiliares na escolha dos modelos quantitativos a serem utilizados na modelagem matemtica das diversas sries de dados.

VI - Escolha e Validao dos Modelos A escolha do modelo de previso apropriado a uma srie de dados temporais deve estar baseada, alm da preciso do modelo, nos seguintes fatores: Aspectos que influenciam a demanda a ser analisada O conhecimento de aspectos que podem influenciar a demanda, como, por exemplo, promoes ou campanhas promocionais, de vital importncia para o processo de previso. Atravs deste tipo de informao, pode-se fazer com que a previso, com o uso da anlise subjetiva, se ajuste a casos particulares. Alm disto, a previso geralmente feita para um intervalo de confiana, o qual pode ter uma magnitude elevada. Assim, mais uma vez, a anlise subjetiva pode ser utilizada para aumentar a preciso da previso.

VI - Escolha e Validao dos Modelos Caractersticas da srie temporal A previso futura de uma srie temporal pode ser feita atravs das previses de seus componentes (sazonalidade, tendncia, entre outros). A previso da sazonalidade, em virtude da sua regularidade, pode ser feita de maneira adequada por um grande nmero de modelos. Muitas sries, inclusive, podem ser modeladas de forma mais precisa se removido o componente sazonal (Makridakis & Hibon, 1997). Assim, sem o componente sazonal, o domnio de um dos componentes sobre os demais na srie temporal pode definir o modelo a ser utilizado. Quando a aleatoriedade domina a tendncia-ciclo (muitos mtodos de decomposio consideram a tendncia e o ciclo como sendo um componente nico), a suavizao exponencial simples geralmente modela a srie temporal de forma satisfatria. Nos casos onde a tendncia-ciclo domina a aleatoriedade, modelos mais complexos, tais como Box-Jenkins, so os mais indicados (Makridakis et al.,1982). Em srie temporais onde existe pouca aleatoriedade e o componente de tendncia domina as flutuaes cclicas, o modelo de Holt, de suavizao exponencial dupla, geralmente produz bons resultados. Porm, quando o componente cclico domina a tendncia, o modelo de Holt pode gerar uma previso pouco precisa, uma vez que a tendncia linear no se mantm constante.
ETAPAS PARA REAlIZAO DA PREVISO MODELOS DE PREVISO

Duas famlias de modelos estatsticos para sries temporais A previso de demanda utilizando mtodos quantitativos pode ser feita atravs de vrios modelos matemticos. O emprego de cada modelo depende basicamente do comportamento da srie temporal que se deseja analisar. Uma srie temporal pode exibir at quatro caractersticas diferentes em seu comportamento: mdia, sazonalidade, ciclo e tendncia. A caracterstica de mdia existe quando os valores da srie flutuam em tomo de uma mdia constante. A srie possui caracterstica sazonal quando padres cclicos de variao se repetem em intervalos relativamente constantes de tempo. A caracterstica cclica existe quando a srie exibe variaes ascendentes e descendentes, porm, em intervalos no regulares de tempo.
MTODOS DE PREVISO QUANTI: SRIES DE DADOS (Histricos Temporal)
MTODOS DE PREVISO - ClASSIFICAO
MTODOS DE PREVISO
Os mtodos de previso so divididos, basicamente, em duas categorias: mtodos qualitativos e mtodos quantitativos. Os mtodos qualitativos ou subjetivos so aqueles que necessitam da utilizao do conhecimento acumulado de um especialista ou de um grupo de pessoas para tentar se prever um provvel panorama futuro. Esses mtodos podem ser sustentados ou no por uma anlise mais formal (ARMSTRONG, 1983) e so mais indicados, principalmente, quando os dados so insuficientes ou inadequados para processar uma anlise quantitativa (ARCHER, 1980). Embora a utilizao desses mtodos seja vasta nas organizaes hoje em dia, ele contempla um nmero considervel de desvantagens quando comparados com mtodos quantitativos j que so mais tendenciosos devido incorporao de opinies de entrevistados ou especialistas no processo. (SPEDDING; CHANN, 2000).
MTODOS DE PREVISO - QUALI
MTODOS DE PREVISO
Os mtodos quantitativos ou objetivos so aqueles mtodos com maior robustez matemtica e estatstica e com uma estruturao mais rgida. Atravs da utilizao da mesma massa de dados e do mesmo mtodo, dois especialistas chegam em resultados idnticos j que no existe grau algum de subjetividade (ARMSTRONG, 1983). Esses mtodos podem ser classificados, basicamente, em mtodos de srie temporais e mtodos causais. Os mtodos de sries temporais so os que envolvem a anlise estatstica de dados passados da varivel a ser prevista. J os mtodos causais trabalham no s com a anlise passada da varivel a ser prevista, mas trabalha tambm com a anlise de outras variveis que possam ter influncia sobre ela (ARCHER, 1980). As previses de demanda que utilizam o mtodo quantitativo so realizadas atravs da anlise matemtica/estatstica de sries histricas, visando analisar e identificar padres passados com o intuito de projet-los no futuro. Mas para que uma boa previso seja feita, imprescindvel a utilizao de outras informaes alm da mencionada acima. Os principais tipos de informaes que devem ser avaliadas no processo de previso de demanda so (GOODWIN; WRIGHT, 1993): (i) sries temporais; (ii) informao sobre o que a srie representa, como, por exemplo, custos, compras ou vendas; e (iii) informao contextual, como, por exemplo, informao financeira sobre a empresa, detalhes do mercado, entre outras.
MTODOS DE PREVISO
Duas famlias de modelos estatsticos para sries temporais. A previso de demanda utilizando mtodos quantitativos pode ser feita atravs de vrios modelos matemticos. O emprego de cada modelo depende basicamente do comportamento da srie temporal que se deseja analisar. Uma srie temporal pode exibir at quatro caractersticas diferentes em seu comportamento: mdia, sazonalidade, ciclo e tendncia. A caracterstica de mdia existe quando os valores da srie flutuam em tomo de uma mdia constante. A srie possui caracterstica sazonal quando padres cclicos de variao se repetem em intervalos relativamente constantes de tempo. A caracterstica cclica existe quando a srie exibe variaes ascendentes e descendentes, porm, em intervalos no regulares de tempo.
Finalmente, a caracterstica de tendncia ocorre quando a srie apresenta comportamento ascendente ou descendente por um longo perodo de tempo. Toda variao em uma srie temporal que no pode ser explicada pelas caractersticas acima, devida ao rudo aleatrio no processo gerador dos dados; tal rudo no matematicamente modelvel.
Albino trata bem das previses

Gl605 Aula 9 - Prevdem v2

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Gl605 Aula 9 - Prevdem v2

Diunggah oleh

Hak Cipta:

Format Tersedia

Gl605 Gesto de Sistemas de logstica Aula 9: PREVISO - Profs. Muriel Gavira e J. l. P.

Brittes - 2 Sem/2011 - Noturno

OBJETIVOS ESTRATGICOS DA PREVISO

Sociedade Economia Local Economia Global Poltica MKT V

Quanto? A que R$? PREVISO Onde?

Sociedade Economia Local Economia Global Poltica MKT

O objetivo principal utilizar tcnicas de forecasting no apoio tomada de decises gerenciais.

O objetivo principal utilizar tcnicas de forecasting no apoio tomada de decises gerenciais.

ASPECTOS FUNDAMENTAIS DA PREVISO PROCESSO DE PREVISO (Muito bem planejado)

Passos para elaborao de um sistema de previso de demanda

ASPECTOS FUNDAMENTAIS DA PREVISO - DEFINIES

ASPECTOS FUNDAMENTAIS DA PREVISO - GERAL

ASPECTOS FUNDAMENTAIS DA PREVISO CARACTERSTICAS

ASPECTOS FUNDAMENTAIS DA PREVISO CARACTERSTICAS

ASPECTOS FUNDAMENTAIS DA PREVISO CARACTERSTICAS

ASPECTOS FUNDAMENTAIS DA PREVISO CARACTERSTICAS

ASPECTOS FUNDAMENTAIS DA PREVISO PROCESSO TPICO

ORGANIZAR O PROCESSO DE PREVISO - FORCAST

ETAPAS PARA REAlIZAO DA PREVISO - FORESCAST

ETAPAS PARA REAlIZAO DA PREVISO - FORESCAST

ETAPAS PARA REAlIZAO DA PREVISO - FORESCAST

ETAPAS PARA REAlIZAO DA PREVISO - FORESCAST

ETAPAS PARA REAlIZAO DA PREVISO - FORESCAST

ETAPAS PARA REAlIZAO DA PREVISO - FORESCAST

ETAPAS PARA REAlIZAO DA PREVISO - FORESCAST

ETAPAS PARA REAlIZAO DA PREVISO - FORESCAST

ETAPAS PARA REAlIZAO DA PREVISO - FORESCAST

ETAPAS PARA REAlIZAO DA PREVISO - FORESCAST

ETAPAS PARA REAlIZAO DA PREVISO MODELOS DE PREVISO

ETAPAS PARA REAlIZAO DA PREVISO MODELOS DE PREVISO

ETAPAS PARA REAlIZAO DA PREVISO MODELOS DE PREVISO

ETAPAS PARA REAlIZAO DA PREVISO MODELOS DE PREVISO

ETAPAS PARA REAlIZAO DA PREVISO MODELOS DE PREVISO

ETAPAS PARA REAlIZAO DA PREVISO MODELOS DE PREVISO

MTODOS DE PREVISO QUANTI: SRIES DE DADOS (Histricos Temporal)

MTODOS DE PREVISO - ClASSIFICAO

MTODOS DE PREVISO - ClASSIFICAO

MTODOS DE PREVISO - QUALI

MTODOS DE PREVISO - ClASSIFICAO

MTODOS DE PREVISO - ClASSIFICAO

MTODOS DE PREVISO - ClASSIFICAO

Albino trata bem das previses

Anda mungkin juga menyukai