Anda di halaman 1dari 36

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.



1
Previso da Demanda
(TUBINO, 1999)
A previso da demanda a base para o planejamento
estratgico da produo, vendas e finanas de qualquer
empresa.
Permite que os administradores destes sistemas antevejam o
futuro e planejem adequadamente suas aes.

As previses so usadas pelo PCP em dois momentos
distintos: para planejar o sistema produtivo e para planejar
o uso deste sistema produtivo.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

2
Previso da Demanda
A responsabilidade pela preparao da previso da
demanda normalmente do setor de Marketing ou
Vendas. Porm, existem dois bons motivos para que o
pessoal do PCP entenda como esta atividade realizada.
A previso da demanda a principal informao empregada pelo
PCP na elaborao de suas atividades;
Em empresas de pequeno e mdio porte, no existe ainda uma
especializao muito grande das atividades, cabendo ao pessoal
do PCP (geralmente o mesmo de Vendas) elaborar estas
previses.
Atualmente as empresas esto buscando um relacionamento mais
eficiente dentro de sua cadeia produtiva.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

3
Etapas de um modelo de previso
Objetivo do modelo
Coleta e anlise dos dados
Seleo da tcnica de previso
Obteno das previses
Monitorao do modelo
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

4
Objetivo do Modelo
A primeira etapa consiste em definir a razo pela qual
necessitamos de previses. Que produto, ou famlias de
produtos, ser previsto, com que grau de acuracidade e
detalhe a previso trabalhar, e que recursos estaro
disponveis para esta previso.
A sofisticao e o detalhamento do modelo depende da
importncia relativa do produto, ou famlia de produtos, a ser
previsto e do horizonte ao qual a previso se destina.
Itens pouco significativos podem ser previstos com maior margem
de erro, empregando-se tcnicas simples. Assim como admite-se
margem de erro maior para previses de longo prazo,
empregando-se dados agregados de famlias de produtos.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

5
Coleta e Anlise dos Dados
Visa identificar e desenvolver a tcnica de previso que
melhor se adapte. Alguns cuidados bsicos:
Quanto mais dados histricos forem coletados e analisados, mais
confivel a tcnica de previso ser;
Os dados devem buscar a caracterizao da demanda pelos
produtos da empresa, que no necessariamente igual as vendas
passadas;
Variaes extraordinrias da demanda devem ser analisadas e
substitudas por valores mdios, compatveis com o
comportamento normal da demanda;
O tamanho do perodo de consolidao dos dados tem influncia
direta na escolha da tcnica de previso mais adequada, assim
como na anlise das variaes extraordinrias.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

6
Seleo da Tcnica de Previso
Existem tcnicas qualitativas e quantitativas. Cada uma
tendo o seu campo de ao e sua aplicabilidade. Alguns
fatores merecem destaque na escolha da tcnica de
previso:
Decidir em cima da curva de troca custo-acuracidade;
A disponibilidade de dados histricos;
A disponibilidade de recursos computacionais;
A experincia passada com a aplicao de determinada tcnica;
A disponibilidade de tempo para coletar, analisar e preparar os
dados e a previso;
O perodo de planejamento para o qual necessitamos da previso.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

7
Obteno da Previses e
Monitorao
Com a definio da tcnica de previso e a aplicao dos
dados passados para obteno dos parmetros
necessrios, podemos obter as projees futuras da
demanda. Quanto maior for o horizonte pretendido, menor
a confiabilidade na demanda prevista.

A medida em que as previses forem sendo alcanadas pela
demanda real, deve-se monitorar a extenso do erro entre a
demanda real e a prevista, para verificar se a tcnica e os
parmetros empregados ainda so vlidos. Em situaes normais,
um ajuste nos parmetros do modelo, para que reflita as
tendncias mais recentes, suficiente.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

8
Tcnicas de previso
Existem uma srie de tcnicas disponveis, com
diferenas substanciais entre elas. Porm, cabe descrever
as caractersticas gerais que normalmente esto
presentes em todas as tcnicas de previso, que so:
Supem-se que as causas que influenciaram a demanda passada
continuaro a agir no futuro;
As previses no so perfeitas, pois no somos capazes de prever
todas as variaes aleatrias que ocorrero;
A acuracidade das previses diminui com o aumento do perodo
de tempo auscultado;
A previso para grupos de produtos mais precisa do que para os
produtos individualmente, visto que no grupo os erros individuais
de previso se anulam.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

9
Tcnicas de previso
As tcnicas de previso podem ser subdivididas em dois
grandes grupos:
As tcnicas qualitativas privilegiam principalmente dados
subjetivos, os quais so difceis de representar numericamente.
Esto baseadas na opinio e no julgamento de pessoas chaves,
especialistas nos produtos ou nos mercados onde atuam estes
produtos;
As tcnicas quantitativas envolvem a anlise numrica dos dados
passados, isentando-se de opinies pessoais ou palpites.
Empregam-se modelos matemticos para projetar a demanda
futura. Podem ser subdivididas em dois grandes grupos: as
tcnicas baseadas em sries temporais, e as tcnicas baseadas
em correlaes.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

10
Previses baseadas em sries
temporais
Partem do princpio de que a demanda futura ser uma
projeo dos seus valores passados, no sofrendo
influncia de outras variveis.
o mtodo mais simples e usual de previso, e quando bem
elaborado oferece bons resultados.
Para se montar o modelo de previso, necessrio plotar os
dados passados e identificar os fatores que esto por trs das
caractersticas da curva obtida.
Uma curva temporal de previso pode conter tendncia,
sazonalidade, variaes irregulares e variaes randnicas.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

11
Previses baseadas em sries
temporais
0
10
20
30
40
50
60
Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.
D
e
m
a
n
d
a
Variao irregular
Sazonalidade
Tendncia
Variao randnica
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

12
Tcnicas para Mdia
Mdia Mvel
A mdia mvel usa dados de um nmero predeterminado de perodos,
normalmente os mais recentes, para gerar sua previso. A cada novo
perodo de previso se substitui o dado mais antigo pelo mais recente.
Mm
D
n
n
i
i 1
n
=
=

Mm
n
= Mdia mvel de n perodos;
D
i
= Demanda ocorrida no perodo i;
n = Nmero de perodos;
i = ndice do perodo (i = 1,2,3,...)
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

13
Tcnicas para Mdia
Mdia Mvel
Perodo Janeiro Fevereiro Maro Abril Maio Junho
Demanda 60 50 45 50 45 70

Mm
3
50 45 70
3
55 00 =
+ +
= , Mm
3
45 70 60
3
58 33 =
+ +
= ,
Mm
5
50 45 50 45 70
5
52 00 =
+ + + +
= ,
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

14
O peso de cada observao decresce no tempo em
progresso geomtrica, ou de forma exponencial.
Cada nova previso obtida com base na previso anterior,
acrescida do erro cometido na previso anterior, corrigido por um
coeficiente de ponderao.





O coeficiente de ponderao (o) fixado pelo analista dentro de
uma faixa que varia de 0 a 1. Quanto maior o seu valor, mais
rapidamente o modelo de previso reagir a uma variao real da
demanda.
Tcnicas para Mdia
Mdia Exponencial Mvel
( )
M M D M
t t t t
= +
1 1 1
o
M
t
= Previso para o perodo t;
M
t-1
= Previso para o perodo t-1;
o = coeficiente de ponderao;
D
t-1
= Demanda do perodo t-1.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

15
Exerccio:
Mdia Exponencial Mvel
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

16
Tcnicas para Mdia
Mdia Exponencial Mvel
o = 0,10 o = 0,50
Perodo Demanda Previso Erro Previso Erro
1 90 - - - -
2 95 90,00 5,00 90,00 5,00
3 98 90,50 7,50 92,50 5,50
4 90 91,25 -1,25 95,25 -5,25
5 92 91,12 0,88 92,62 -0,62
6 95 91,20 3,80 92,31 2,69
7 90 91,58 -1,58 93,65 -3,65
8 100 91,42 8,58 91,82 8,18
9 92 92,27 -0,27 95,91 -3,91
10 95 92,25 2,75 93,95 1,05
11 92,52 94,47
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

17
Uma equao linear possui o seguinte formato:







Y = Previso da demanda para o perodo X;
a = Ordenada origem, ou intercepo no eixo dos Y;
b = Coeficiente angular;
X = Perodo (partindo de X=0) para previso;
n = nmero de perodos observados.
Tcnicas para Tendncia
Equao Linear
Y a bX = +
( ) ( )( )
( ) ( )
b
n XY X Y
n X X
=



2
2
( )
a
Y b X
n
=


Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

18
Exerccio:
Tcnicas para Tendncia
Equao Linear
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

19
Tcnicas para Tendncia
Equao Linear
Semana(X) Demanda(Y)
X

X
2

XY
1 450 1 1 450
2 430 3 5 860
3 470 6 14 1410
4 480 10 30 1920
5 450 15 55 2250
6 500 21 91 3000
7 520 28 140 3640
8 530 36 204 4240

3830 17770
b =


= =
8 17770 36 3830
8 204 36 36
4280
336
12 73 ,
a =

=
3830 12 73 36
8
421 46
,
,
Y = 421,46 + 12,73 X
Y
9
= 421,46 + 12,73 (9) = 536,03
Y
10
= 421,46 + 12,73 (10) = 548,76
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

20
Tcnicas para Tendncia
Ajustamento Exponencial
Pt+1 = Previso da demanda para o perodo t+1;
Pt = Previso da demanda para o perodo t;
Pt-1 = Previso da demanda para o perodo t-1;
Mt = Previso mdia exponencial mvel da demanda para o perodo t;
Tt = Previso da tendncia para o perodo t;
Tt-1 = Previso da tendncia para o perodo t-1;
o1 = coeficiente de ponderao da mdia;
o2 = coeficiente de ponderao da tendncia;
Dt = Demanda do perodo t;

P M T
t t t +
= +
1
( )
M P D P
t t t t
= + o
1
( ) ( )
T T P P T
t t t t t
= +
1 2 1 1
o
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

21
Exerccio:
Tcnicas para Tendncia
Ajustamento Exponencial
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

22
Tcnicas para Tendncia
Ajustamento Exponencial
Perodo
t
Demanda
D
( )
M P D P
t t t t
= + o
1
( ) ( )
T T P P T
t t t t t
= +
1 2 1 1
o P M T
t t t +
= +
1
1 200 Estimativa inicial da tendncia = (240-200)/2 = 20
2 250 Estimativa inicial da demanda = 240 + 20 = 260
3 240 260=240+20
4 300 268=260+0,2(300-260) 20=20+0,3((260-240)-20) 288=268+20
5 340 298,4=288+0,2(340-288) 22,4=20+0,3((288-260)-20) 320,8=298,4+22,4
6 390 334,6=320,8+0,2(390-320,8) 25,5=22,4+0,3((320,8-288)-22,4) 360,1=334,6+25,5
7 350 358,0=360,1+0,2(350-360,1) 29,6=25,5+0,3((360,1-320,8)-25,5) 387,6=358,0+29,6
8 400 390,1=387,6+0,2(400-387,2) 29,0=29,6+0,3((387,6-360,1)-29,6) 419,1=390,1+29,0
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

23
Tcnicas para Previso da
Sazonalidade
A sazonalidade expressa em termos de uma quantidade,
ou de uma percentagem, da demanda que desvia-se dos
valores mdios da srie. Caso exista tendncia, ela deve
ser considerada.
O valor aplicado sobre a mdia, ou a tendncia, conhecido como
ndice de sazonalidade.

A forma mais simples de considerar a sazonalidade nas
previses da demanda, consiste em empregar o ltimo
dado da demanda, no perodo sazonal em questo, e
assumi-lo como previso.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

24
Tcnicas para Previso da
Sazonalidade
A forma mais usual de incluso da sazonalidade nas
previses da demanda, consiste em obter o ndice de
sazonalidade para os diversos perodos, empregando a
mdia mvel centrada, e aplic-los sobre o valor mdio
(ou tendncia) previsto para o perodo em questo.

O ndice de sazonalidade obtido dividindo-se o valor da
demanda no perodo pela mdia mvel centrada neste perodo. O
perodo empregado para o clculo da mdia mvel o ciclo da
sazonalidade. Quando se dispem de dados suficientes, calculam-
se vrios ndices para cada perodo e tira-se uma mdia.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

25
Dia Demanda Mdia Mvel Centrada ndice
Segunda 50
Tera 55
Quarta 52
Quinta 56
Sexta 65
Sbado 80
Domingo 85
Segunda 55
Tera 50
Quarta 58
Quinta 50
Sexta 70
Sbado 75
Domingo 80
Segunda 52
Tera 50
Quarta 54
Quinta 60
Sexta 65
Sbado 85
Domingo 90
Segunda 50
Tera 53
Quarta 55
Exerccio:
Tcnicas para Previso da Sazonalidade
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

26
Dia Demanda Mdia Mvel Centrada ndice
Segunda 50
Tera 55
Quarta 52
Quinta 56 443/7=63,28 56/63,28=0,88
Sexta 65 448/7=64 65/64=1,01
Sbado 80 443/7=63,28 80/63,28=1,26
Domingo 85 449/7=64,14 85/64,14=1,32
Segunda 55 443/7=63,28 55/63,28=0,86
Tera 50 448/7=64 50/64=0,78
Quarta 58 443/7=63,28 58/63,28=0,91
Quinta 50 438/7=62,57 50/62,57=0,79
Sexta 70 435/7=62,14 70/62,14=1,12
Sbado 75 435/7=62,14 75/62,14=1,20
Domingo 80 431/7=61,57 80/61,57=1,29
Segunda 52 441/7=63 52/63=0,82
Tera 50 436/7=62,28 50/62,28=0,80
Quarta 54 446/7=63,71 54/63,71=0,84
Quinta 60 456/7=65,14 60/65,14=0,92
Sexta 65 454/7=64,85 65/64,85=1,00
Sbado 85 457/7=65,28 85/65,28=1,30
Domingo 90 458/7=65,42 90/65,42=1,37
Segunda 50
Tera 53
Quarta 55
Tcnicas para Previso da
Sazonalidade
I
segunda
= 0,84
I
tera
= 0,79
I
quarta
= 0,87
I
quinta
= 0,86
I
sexta
= 1,04
I
sbado
= 1,25
I
domingo
= 1,32
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

27
Tcnicas para Previso da
Sazonalidade
No caso da demanda do produto apresentar sazonalidade
e tendncia, h necessidade de se incorporar estas duas
caractersticas no modelo de previso. Para se fazer isto,
deve-se empregar os seguinte passos:
Primeiro, retirar o componente de sazonalidade da srie de dados
histricos, dividindo-os pelos correspondentes ndices de
sazonalidade;
Com estes dados, desenvolver uma equao que represente o
componente de tendncia;
Com a equao da tendncia fazer a previso da demanda e
multiplic-la pelo ndice de sazonalidade.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

28
Previses Baseadas em
Correlaes
Buscam prever a demanda de determinado produto a
partir da previso de outra varivel que esteja relacionada
com o produto.

O objetivo da regresso linear simples consiste em
encontrar uma equao linear de previso, do tipo Y = a +
bX (onde Y a varivel dependente a ser prevista e X a
varivel independente da previso), de forma que a soma
dos quadrados dos erros de previso (|) seja a mnima
possvel. Este mtodo tambm conhecido como
regresso dos mnimos quadrados.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

29
Previses Baseadas em
Correlaes
( ) ( )( )
( ) ( )
b
n XY X Y
n X X
=



2
2
|
2
0


|
Y = a + bX
Y
X
( )
a
Y b X
n
=


Y = PREVISO DA DEMANDA
PARA O ITEM DEPENDENTE
X = VALOR DA VARIVEL INDEPENDENTE
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

30
( ) ( )( )
( ) ( )
b
n XY X Y
n X X
=



2
2
=
( )
13 5224 86 14310 450
13 1663 143 10
2


=
, , ,71
,37 ,
2,99
( )
a
Y b X
n
=


=
450 2 14310
13
,71 ,99 ,
= 1,757
Previses Baseadas em
Correlaes
Uma cadeia de fastfood verificou que as vendas mensais de refeies
em suas casas esto relacionadas ao nmero de alunos matriculados
em escolas situadas num raio de 2 quilmetros em torno da casa. A
empresa pretende instalar uma nova casa numa regio onde o
nmero de alunos de 13750. Qual a previso da demanda para esta
nova casa?
Y = 1,757 + 2,99X
Y = + = 1 757 2 99 13 75 42 869 , , , , ou seja 42869 refeies
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

31
Previses Baseadas em
Correlaes
Vendas por casa
Y (mil)
Nmero de alunos
X (mil)
XY Y
2
X
2
31,56 10,00
38,00 12,00
25,25 8,00
47,20 15,00
22,00 6,50
34,20 11,00
45,10 14,50
32,30 10,10
29,00 9,20
40,90 13,40
40,00 12,70
24,20 7,60
41,00 13,10
Y = X = X.Y = Y
2
X
2
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

32
Manuteno e Monitorizao
do Modelo
Uma vez decidida a tcnica de previso e implantado o
modelo, h necessidade de acompanhar o desempenho
das previses e confirmar a sua validade perante a
dinmica atual dos dados. Esta monitorizao realizada
atravs do clculo e acompanhamento do erro da
previso, que a diferena que ocorre entre o valor real
da demanda e o valor previsto pelo modelo para um dado
perodo. A manuteno e monitorizao de um modelo de
previso confivel busca:
Verificar a acuidade dos valores previstos;
Identificar, isolar e corrigir variaes anormais;
Permitir a escolha de tcnicas, ou parmetros, mais eficientes.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

33
Manuteno e Monitorizao
do Modelo
Uma forma de acompanhar o desempenho do modelo
consiste em verificar o comportamento do erro acumulado
que deve tender a zero, pois espera-se que o modelo de
previso gere, aleatoriamente, valores acima e abaixo dos
reais, devendo assim se anular.
O erro acumulado deve ser comparado com um mltiplo do desvio
mdio absoluto, conhecido como MAD (Mean Absolute Deviation).
Em geral, compara-se o valor do erro acumulado com o valor de 4
MAD. Quando ultrapassar este valor, o problema deve ser
identificado e o modelo deve ser revisto.
MAD
D D
n
atual prevista
=

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

34
o = 0,10 o = 0,50
Perodo D
atual
D
prevista
Erro D
prevista
Erro
1 90 - - - -
2 95
3 98
4 90
5 92
6 95
7 90
8 100
9 92
10 95
Erro =

Erro =

MAD = MAD =
EXERCCIO DA TRANSPARNCIA 19
Exerccio:
Manuteno e Monitorizao
do Modelo
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

35
o = 0,10 o = 0,50
Perodo D
atual
D
prevista
Erro D
prevista
Erro
1 90 - - - -
2 95 90,00 5,00 90,00 5,00
3 98 90,50 7,50 92,50 5,50
4 90 91,25 -1,25 95,25 -5,25
5 92 91,12 0,88 92,62 -0,62
6 95 91,20 3,80 92,31 2,69
7 90 91,58 -1,58 93,65 -3,65
8 100 91,42 8,58 91,82 8,18
9 92 92,27 -0,27 95,91 -3,91
10 95 92,25 2,75 93,95 1,05
Erro =

25,41
Erro =

8,99
MAD = 31,61/9 = 3,51 MAD = 35,85/9 = 3,98
Manuteno e Monitorizao
do Modelo
- Para o = 0,10, temos que: 4 3 51 14 04 25 41 = < , , , ;
- Para o = 0,50, temos que:
4 3 98 15 92 8 99 = > , , ,
.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

36
Manuteno e Monitorizao
do Modelo
Uma srie de fatores pode afetar o desempenho de um
modelo de previso, sendo que os mais comuns so:
A tcnica de previso pode estar sendo usada incorretamente, ou
sendo mal interpretada;
A tcnica de previso perdeu a validade devido mudana em
uma varivel importante, ou devido ao aparecimento de uma nova
varivel;
Variaes irregulares na demanda podem ter acontecido em
funo de greves, formao de estoques temporrios, catstrofes
naturais, etc.
Aes estratgicas da concorrncia, afetando a demanda;
Variaes aleatrias inerentes aos dados da demanda.