Tecnicasdeprevisesv 141107152848 Conversion Gate02

Questes de Reviso e Discusso
1. O que previso?
2. Cite trs razes fundamentais para os gerentes de
operaes fazerem previses.
3. Cite e descreva trs mtodos qualitativos de previso
usados atualmente nos negcios. Quais mtodos de
previso seriam apropriados para novos produtos?
4. Descreva como a realizao de previses fundamental
para o planejamento dos negcios.
Trabalho de Pesquisa
Procure na Internet por sites de companhias que produzem

software de previso. Encontre uma empresa que liste os
mtodos de previso usados em seu software. Imprima esta
pgina e indique o site onde voc encontrou a informao;
Procure na Internet por uma revista ou jornal recente que traga
alguma notcia sobre a realizao de previses. Imprima ou
resuma esse artigo e indique o endereo do site;
Visite o site do Institute of Business Forecasting (www.ibf.org/)
e localize a pgina da Web para Forecasting Jobs. Faa uma
lista de empresas e ttulos de cargos de trabalho. Em qual
emprego voc estaria mais interessado? Por qu?
Mtodos de Previso de Demanda
Prof. Fabiano Cunha Marinho
fcmarinho01@gmail.com
Sumrio
1. Conceitos
2. Etapas de um Modelo de Previso
1. Objetivos
2. Coleta e anlise de dados
3. Seleo da Tcnica
4. Obteno da previso
5. Monitoramento
O Mercado e as Previses de Demanda
Conceito de Mercado
Lugar de troca, em sentido amplo, em que o
valor dos bens transacionados e acordado, face
s quantidades disponveis, pela convergncia
entre o preo pelo qual o produtor ou vendedor
esto dispostos a vender e aquele que o
consumidor ou cliente esto dispostos a pagar.
Funo previso de Demanda
As Previses de Demanda formam a base de
todo o planejamento da cadeia de
suprimentos. Considere a viso
empurrar/puxar. Todos os processos do tipo
empurrar so realizados em antecipao
demanda do cliente, enquanto todos os
processos do tipo puxar so realizados em
resposta a essa demanda. Para os dois
casos, o primeiro passo que o gestor dever
tomar prever qual ser a demanda do
cliente.
Razes para previses: exemplos
Longo prazo: Planejamento de novas instalaes;

Mdio prazo: Planejamento da produo;
Curto prazo: Planejamento da fora de trabalho;
Previso da Demanda
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 (longo prazo) e
para planejar o uso (curto prazo) deste sistema produtivo.
Longo prazo: produtos/servios, instalao, equipamentos,...
Curto prazo: planos de produo, armazenagem e compras,
sequenciamento
Previso da Demanda
A responsabilidade pela preparao da previso da
demanda normalmente do setor de Marketing ou Vendas.
Porm, existem bons motivos para que o pessoal do
PCP/Logstica 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 (JIT/TQC Cadeia Automotiva,
Celta, Fiat online).
Anlise do ambiente
Numa anlise muito clara sobre a importncia da anlise do
ambiente para a formulao das estratgias da organizao, Scott
Morton apud Lobato (1997) oferece a seguinte contribuio:
Neste ambiente em que mudanas ocorrem com

altssima velocidade, perceber tendncias,
visualizando-as antes que elas ocorram, passa a ter
um valor extraordinrio como fator decisivo de
sucesso e s vezes, da prpria sobrevivncia. Scott
Morton apud Lobato (1997, p.91).
Uma previso uma afirmativa ou inferncia

sobre o futuro, usualmente baseada em informao
histrica.
Uma demanda a quantidade de material
necessria ao atendimento dos clientes, relacionada a
uma determinada unidade de tempo ou a um evento
especfico.
A previso de demanda consiste em mtodos

quantitativos e qualitativos utilizados para se obter
informaes que sirvam de embasamento para um
planejamento a curto, mdio, ou longo prazo. O
conhecimento empresarial nesta rea e sua
utilizao so indispensveis para empresas
atuantes em qualquer ramo.
Dimenso da Variao da Demanda
A Demanda varia segundo um determinado padro e se

pode planejar a produo de forma a regularizar o seu fluxo,
independente da flutuao da venda.
Todo hoteleiro entende bem as expresses baixa

temporada e alta temporada. Todo fabricante de brinquedos
aguarda ansioso a poca do Natal e a comemorao do Dia
das Crianas. Panetones, porque fabric-los no final do ano?
Por qu Planejar a Demanda?

Muitas empresas necessitam satisfazer a demanda do
consumidor utilizando diretamente o estoque, e para isto, a
previso de demanda e um acompanhamento da sua
reatividade com o mercado muito importante.
At empresas que trabalham com produtos utilizando pedidos

fechados precisam de uma previso para ordenar ordens de
compra de componentes e de matria-prima
Por qu Planejar a Demanda?

Uma empresa que no entende sua demanda est se expondo e
correndo riscos de efetuar operaes ineficientes.
Est correndo um perigo real com relao a investimentos em
inventrios que podem ter efeitos significativos em sua
rentabilidade.
De maneira geral, todas as empresas precisam olhar adiante a

fim de planejar oramentos, finanas, etc.
Planejamento, predio e previso

o Planejamento: processo lgico que descreve as atividades
necessrias para ir do ponto no qual estamos at o objetivo
definido;
o Predio: processo para determinao de um acontecimento
futuro baseado em dados completamente subjetivos e sem uma
metodologia de trabalho clara;
o Previso: processo metodolgico para determinao de dados
futuros baseados em modelos estatsticos, matemticos ou
economtricos ou ainda em modelos subjetivos apoiados em
metodologia de trabalho clara e previamente definida.
Dvidas???
Professor Fabiano Cunha Marinho

e-mail: fcmarinho01@gmail.com
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
Etapas de um modelo de previso

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.
Coleta e anlise dos dados - Visa identificar e desenvolver a tcnica de previso que
melhor se adapte.
Seleo da tcnica de previso - Existem tcnicas qualitativas e quantitativas. Cada
uma tendo o seu campo de ao e sua aplicabilidade.
Obteno das previses 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.
Monitorao do modelo 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.
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.
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 real pelos produtos
da empresa, que no necessariamente igual as vendas passadas (faltas,
postergao,...);
Variaes extraordinrias da demanda (greves, promoes, ...) devem ser
analisadas e substitudas por valores mdios, compatveis com o
comportamento normal da demanda;
O tamanho do perodo de consolidao dos dados (semanal, mensal,...)
tem influncia direta na escolha da tcnica de previso mais adequada,
assim como na anlise das variaes extraordinrias.
Periocidades Diferentes para Dados Idnticos
Abordagem bsica para a previso de demanda
1) Entender o objetivo da previso;

2) Integrar o planejamento da demanda e a previso por toda a
cadeia de suprimentos;
3) Entender e identificar os segmentos dos clientes;
4) Identificar os principais fatores que influenciam a previso de
demanda;
5) Determinar a tcnica de previso apropriada; e
6) Estabelecer medidas de desempenho e erro para a previso.
Fatores necessrios de conhecimento pela empresa

relacionadas a previso de demanda.
1) Demanda passada;
2) Tempo de espera de ressuprimento de produtos;
3) Esforos de propaganda ou marketing planejados;
4) Estado da economia;
5) Descontos de preo planejados; e
6) Aes tomadas pelos concorrentes.
Caractersticas das previses

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:
As previses so sempre imprecisas e, assim, devem incluir seu valor esperado e

uma medida de seu erro.
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;
Previses de longo prazo normalmente so menos precisas do que previses de

curto prazo; ou seja 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.
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 se necessita da previso.

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.
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 causais (Mais conhecidos: Regresso Simples e
Mltipla)
Tcnicas de Previso
Tcnicas Qualitativas
Pouco tempo para coleta de dados, introduo de novos produtos,
cenrio poltico/econmico instvel
Questes estratgicas em conjunto com modelos matemticos e
tcnicas quantitativas
Tcnicas Quantitativas
Sries Temporais modelo matemtico da demanda futura
relacionando dados histricos de vendas do produto com o tempo
Causais associar dados histricos de vendas do produto com uma ou
mais variveis relacionadas demanda
Demanda Independente: a demanda que no pode

ser estabelecida por uma lei de formao exata, isto ,
a necessidade no se vincula diretamente com a
demanda de qualquer outro item.
Demanda Dependente: a demanda que pode ser

estabelecida por uma lei de formao exata, isto , a
necessidade est relacionada com a demanda de outro
item.
- Demanda dependente e demanda independente;

O consumo de braos de poltrona ilustra bem a
diferena entre esses dois tipos de demanda.
O consumo de braos de poltrona na
fabricao de poltronas caracteriza uma
demanda dependente, pois cada poltrona
sempre recebe duas unidades. , assim, uma
varivel nitidamente dependente da fabricao
de poltronas.
Demanda Programada (Dependente) so as

demandas planejadas quanto a quantidades e prazos
de utilizao, vinculadas a programas de operao ou
investimentos especficos.
Demanda Probabilstica (Independente) so as

demandas no vinculadas a programas especficos,
com distribuio de probabilidades conhecidas,
previsveis atravs de modelos estatsticos.
Demanda Incerta (Independente) so as

demandas decorrentes de fatores difcil previso
Demanda Eventual so as demandas decorrentes

de necessidades especficas, para aplicao imediata
e cuja repetio no prevista.
Mtodos Qualitativos mais comuns
Consenso do comit executivo
Mtodo Delphi
Pesquisa da equipe de vendas
Pesquisa de clientes
Analogia histrica
Pesquisa de Mercado
MTODOS QUALITATIVOS DE PREVISO
Consenso do comit executivo. Executivos com

capacidade de discernimento, de vrios departamentos da
organizao, formam um comit que tem a
responsabilidade de desenvolver uma previso de vendas.
O comit pode usar muitas informaes (inputs) de todas
as partes da organizao e fazer com que os analistas do
staff forneam anlises quando necessrio. Essas
previses tendem a ser previses de compromisso, no
refletindo as tendncias que poderiam estar presentes
caso tivessem sido preparadas por um nico indivduo.
Esse mtodo de previso o mais comum.
Mtodo Delphi. Esse mtodo usado para se

obter o consenso dentro de um comit. Por esse
mtodo, os executivos respondem anonimamente
a uma srie de perguntas em turnos sucessivos.
Cada resposta repassada a todos os
participantes em cada turno, e o processo ento
repetido. At seis turnos podem ser necessrios
antes que se atinja o consenso sobre a previso.
Esse mtodo pode resultar em previses com as
quais a maioria dos participantes concordou
apesar de ter ocorrido uma discordncia inicial.
Tcnicas de Previso Qualitativas
Mtodo Delphi
Caractersticas: anonimato, realimentao controlada das informaes,
quantificao das respostas (escala numrica), resposta estatstica (pode
no haver consenso)
Processo:
1o. Passo Coordenador elabora Questionrio
2o. Passo - Grupo responde Questionrio (escala numrica)
3o. Passo Coordenador confere coerncia das respostas, altera
questes (se necessrio), processa anlise estatstica, sistematiza os
argumentos manifestados
4o. Passo Grupo responde novo Questionrio (com as informaes da
anlise estatstica e dos argumentos), respostas discrepantes com
relao Mdia devem ser justificados
5o.Passo Coordenador verifica se no houve variaes significativas
(Fim - Relatrio), caso contrrio retornar ao Passo 2.
Vantagens
timo mtodo para lidar com aspectos
inesperados de um problema
Previses com carncia de dados histricos
Interesse pessoal dos participantes
Minimiza presses psicolgicas
No exige presena fsica

Desvantagens
Processo lento, mdia de 6 meses
Dependncia dos participantes
Dificuldade de redigir o questionrio
Possibilidade de consenso forado

Pesquisa da equipe de vendas. Estimativas de

vendas regionais futuras so obtidas de membros
individuais da equipe de vendas. Essas
estimativas so combinadas para formar uma
estimativa de vendas nica para todas as regies,
que deve ento ser transformada pelos gerentes
numa previso de vendas para assegurar
estimativas realsticas. Esse um mtodo de
previso popular para empresas que tm um bom
sistema de comunicao em funcionamento e uma
equipe de vendas que vende diretamente aos
clientes.
Pesquisa de clientes. Estimativas de vendas

futuras so obtidas diretamente dos clientes.
Clientes individuais so pesquisados para
determinar quais quantidades dos produtos da
empresa eles pretendem comprar em cada
perodo de tempo futuro. Uma previso de vendas
determinada combinando-se as respostas de
clientes individuais. Esse mtodo um dos
preferidos das empresas que tm relativamente
poucos clientes, como, por exemplo,
concessionrias de veculos.
Analogia histrica. Esse mtodo une a

estimativa de vendas futuras de um produto
ao conhecimento das vendas de um produto
similar. O conhecimento das vendas de um
produto durante vrias etapas de seu ciclo
de vida aplicado estimativa de vendas
de um produto similar. Esse mtodo pode
ser especialmente til na previso de
vendas de novos produtos.
Pesquisa de mercado. Nas pesquisas de

mercado, questionrios por correspondncia,
entrevistas telefnicas ou entrevistas dde campo
formam a base para testar hipteses sobre
mercados reais. Em testes de mercado, produtos
comercializados em regies ou centros de
compras tipo outlets so estatisticamente
extrapolados para mercados totais. Esses
mtodos comumente so preferidos para novos
produtos ou para produtos existentes a serem
introduzidos em novos segmentos de mercados.
O consenso do comit executivo e o mtodo Delphi

descrevem procedimentos para assimilar informaes
dentro de um comit executivo com o propsito de gerar
uma previso de vendas e so teis tanto para produtos e
servios existentes como para novos. Por outro lado, a
pesquisa da equipe de vendas e a pesquisa de clientes
descrevem mtodos que so usados principalmente para
produtos e servios existentes. A analogia histrica e as
pesquisas de mercado descrevem procedimentos teis
para novos produtos e servios. O mtodo de previso,
portanto, depende da etapa do ciclo de vida de um produto.
Em resumo, estes mtodos qualitativos so

subjetivos ou optativos por natureza e so
baseadas em estimativas e em opinies.
Funcionrios experientes e conhecedores
de fatores influentes nas vendas e no
mercado estabelecem a evoluo das
vendas futuras. Tais tcnicas so utilizadas,
principalmente, quando no existem dados
disponveis.
Tcnicas de Previso Qualitativas
Anlise de Cenrios
Situaes muito complexas
Geralmente utilizado para o longo prazo
Aplicado quando no h parmetros que

permitam uma previso segura
Determinao dos Cenrios
Trs possveis cenrios:
Cenrio base: sem surpresas
Cenrio alternativo 1: otimista
Cenrio alternativo 2: pessimista

Vantagens
Estruturar e sistematizar o processo de projees

qualitativas
Identificar as variveis que impactam a demanda

e seus impactos mtuos
Estabelecer objetivos de longo prazo
Identificar prioridade de ao
Desvantagens
Dependncia dos resultados em funo da

escolha das variveis
Complexidade para se tratar muitas variveis ao

mesmo tempo
Pequenas alteraes nas variveis podem causar

grandes distores nas previses
Mtodos de previso
Modelos Quantitativos:
modelos matemticos baseados em dados
histricos;
Sries temporais:
conjunto de valores observados medidos ao longo
de perodos de tempo sucessivos tendncias;
Regresso linear;
Mdia mvel;
Mdia mvel ponderada;
Mdia mvel com ponderao exponencial;
Mdia mvel exponencial com tendncia
Mtodos Quantitativos de Previso
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 (Previso final = composio dos fatores).
Uma curva temporal de previso pode conter tendncia, sazonalidade,

variaes irregulares e variaes randmicas (h tcnicas para tratar
cada um destes aspectos).
51
Previses Baseadas em Sries Temporais
Sazonalidade Tendncia
60
50
40
Demanda
30
20
Variao irregular
10 Variao randnica
0
Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.
Tendncia: a orientao geral, para cima ou para baixo, dos dados histricos;
Ciclicidade: Padres de variao dos dados de uma srie que se repetem a cada
determinado intervalo de tempo (longo prazo);
Sazonalidade: Variaes cclicas de curto prazo (menos de um ano);
Aleatoriedade: So os erros ou variaes da srie histrica de dados que no so
devidas a variveis presentes no modelo de previso.
52
Sries Temporais - ST
Classificao
ST de Modelo Fixo (Fixed-Model Time-Series) apresentam
equaes definidas baseadas em avaliaes a priori da
existncia de determinadas componentes nos dados histricos
(Mais simples, sries histricas no muito grandes);
ST de Modelo Aberto (Open-Model Time-Series) analisam as
ST de modo a identificar quais componentes realmente esto
presentes, para ento criar um modelo nico que projete tais
componentes, prevendo os valores futuros (Mais elaboradas,
maior quantidade de dados).
Existem mais de 60 mtodos do tipo ST!!
53
ST de Modelo Fixo
Mdia simples (MS)

Mdia Mvel Simples (MMS)
Mdia Mvel Dupla (MMD)
Amortecimento Exponencial Simples (AES)
Amortecimento Exponencial Duplo ( Mtodo de Brown)
Amortecimento Exponencial Duplo ( Mtodo de Holt)
Amortecimento Exponencial Triplo ( Mtodo de Winter)
Metodologias de Seleo de Coeficientes de Amortecimento
54
Mdia Simples (MS)
No indicada quando h Tendncia ou Sazonalidade
Mdia aritmtica simples de todas as vendas passadas:
n
R t
Pt 1 t 1
n
Pt 1 - Previso para o prximo perodo;
Rt - Valor real observado no perodo t;
n - Nmero de perodos no histrico de vendas

passadas 55
Mdia Mvel Simples (MMS)
No indicada quando h Tendncia ou Sazonalidade
A mdia mvel usa dados de um nmero j determinado 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.
( Rt Rt 1 Rt 2 ... Rt n 1 )
Pt 1 M t
n
Pt 1: previso para o prximo perodo;
M t : mdia mvel no perodo t;
Rt : valor real observado no perodo t;
n : nmero de perodos considerados na
mdia mvel.
Mdia Mvel Simples
Perodo Janeiro Fevereiro Maro Abril Maio Junho Julho
Demanda 60 50 45 50 45 70 60
Previses para Julho
50 45 50 45 70
Mm5 52,00
5
50 45 70 45 70 60
Mm3 55,00 Mm3 58,33
3 3
Previso para Agosto
Mdia mvel ponderada

Pontos especficos podem ser ponderados mais ou menos do que outros, como
parecerem adequados pela experincia.
Visto que a mdia mvel simples d peso igual para cada componente do banco de
dados de mdia mvel, uma mdia mvel ponderada permite que quaisquer pesos
sejam dados a cada elemento, contanto que, claro, a soma de todos os pesos seja
igual a 1.
Exemplo: Uma loja de departamentos poder descobrir que, num perodo de quatro
meses, a melhor previso obtida utilizando-se 40% das vendas reais para o ms
mais recente,30% de dois meses atrs, 20% de trs meses atrs e 10% de quatro
meses atrs.
Ms 1 Ms 2 Ms 3 Ms 4 Ms 5
100 90 105 95 ?
P5 = 95 * 0,4 + 105 * 0,3 + 90 * 0,2 + 100 * 0,1 = 97,5

Mdia ponderada exponencial

Pontos recentes so ponderados mais com peso, declinando
exponencialmente medida que os dados se tornam mais antigos.
Anlise de regresso
Adapta uma linha reta aos dados passados, geralmente
relacionando os valores de dados no tempo. A tcnica de
adaptao mais comum a de mnimos quadrados de grupos ou
indivduos dominantes.
Tcnicas para Mdia Exponencial Mvel (Suavizao Exponencial)
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.
Mt = Previso para o perodo t;

Mt1 = Previso para o perodo t1;
Mt = Mt1 + a(Dt1 Mt1) = coeficiente de ponderao;
Dt1 = Demanda do perodo t1.
O coeficiente de ponderao () 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 Exponencial Mvel
=Previso do perodo+ * Erro
Demanda Ingnua
=90+0 10*5
a = 0,10 a = 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
Obs.: Se o erro for geralmente muito grande usar

aprox. =0,8 se for pequeno usar aprox. =0,2
Exerccios
Apure as Previses de Demanda para o 11 Perodo utilizando

a Mdia Exponencial Mvel.
a 0,6 a 0,2
Perodo Demanda
1 90
2 95 90,00 5,00 90,00 5,00
3 98
4 90
5 92
6 95
7 90
8 100
9 92
10 95
11
Exerccios
Apure as Previses de Demanda para o 11 Perodo utilizando

a Mdia Exponencial Mvel.
a 0,6 a 0,2
Perodo Demanda
1 90
2 95 90,00 5,00 90,00 5,00
3 98
4 90
5 92
6 95
7 90
8 100
9 92
10 95
11
a 0,2 a 0,5
Perodo Demanda
1 85
2 95 85,00 10,00 85,00 10,00
3 98
4 90
5 92
6 95
7 90
8 100
9 92
10 95
11
Exerccios
Exerccio de Reviso Mdia Exponencial Mvel.

a 0,3 a 0,6
Perodo Demanda
1 90
2 95
3 98
4 90
5 92
6 95
7 90
8 100
9 92
10 95
11
a 0,2 a 0,5
Perodo Demanda
1 85
2 95 85,00 10,00 85,00 10,00
3 98
4 90
5 92
6 95
7 90
8 100
9 92
10 95
11
Exerccios
Exerccio de Reviso Mdia Exponencial Mvel.
a 0,4 a 0,9
Perodo Demanda
1 85
2 95
3 98
4 90
5 92
6 95
7 90
8 110
9 92
10 85
11
a 0,6 a 0,2
Perodo Demanda
1 90
2 95 90,00 5,00 90,00 5,00
3 98
4 90
5 92
6 95
7 90
8 100
9 92
10 95
11
Dvidas???

Tcnicas para Tendncia Equao Linear


Semana X Demanda Y X ^2 X*Y
1 450 1 450
2 430 4 860
3 470 9 1.410
4 480 16 1.920
5 450 25 2.250
6 500 36 3.000
7 520 49 3.640
8 530 64 4.240
Total 36 3.830 204 17.770

Semana X Demanda Y X ^2 X*Y
1 200
2 250
3 220
4 210
5 200
6 200
7 250
8 250
b= 36 1.780 Y= - -
b= Y9=
a= Y 10 =
Y 11 =
71
b= Y=
b= Y9=
a= Y 10 =
Y 11 =
73
LISTA DE EXERCCIOS
QUESTO 01
74
LISTA DE EXERCCIOS
QUESTO 02
75
LISTA DE EXERCCIOS
QUESTO 03
76
LISTA DE EXERCCIOS
QUESTO 04
77
LISTA DE EXERCCIOS
QUESTO 05
78
Dvidas???

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.
Mdia de vendas
Perodos Vendas Passadas para cada estao Fator Sazonal
(1000/4)
Primavera 200 250 200 / 250 = 0,8
Vero 350 250 350 / 250 = 1,4
Outono 300 250 300 / 250 = 1,2
Inverno 150 250 150 / 250 = 0,6
Total 1000

Exemplo: Caso esperemos que a demanda para o prximo ano seja de
1100 unidades, preveramos que a demanda ocorreria como se segue:
Mdia de vendas
Perodos Vendas Passadas para cada estao Fator Sazonal
(1000/4)
Primavera 275 275 X 0,8 = 220
Vero 275 275 X 1,4 = 385
Outono 275 275 X 1,3 = 330
Inverno 275 275 X 0,6 = 165
Total 1100
Utilizando os fatores Sazonais apurados com base na demanda do

perodo anterior.

Exerccio: Esperamos um crescimento em nossas vendas
para o prximo ano de 20%, utilizando os fatores sazonais
apurados com base na demanda do perodo anterior apure
as necessidades dos trimestres para o prximo ano:
84
LISTA DE EXERCCIOS QUESTO 06
85
86
87
88
89

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:
1. Retirar o componente de sazonalidade da srie de dados

histricos, dividindo-os pelos correspondentes ndices de
sazonalidade;
2. Com estes dados, desenvolver uma equao que

represente o componente de tendncia;
3. Com a equao da tendncia fazer a previso da demanda

e multiplic-la pelo ndice de sazonalidade.

Exemplo:
A demanda trimestral de determinado produto apresenta sazonalidade e
tendncia. Para o 1 trimestre o ndice de sazonalidade de 1,3 , para o 2 de
1,0 , para o 3 de 0,8 , e para o 4 de 0,9. Nos ltimos dois anos a demanda
deste produto apresentou os seguintes dados:
a) Retirar a sazonalidade dos dados e gerar uma equao linear para

previso da tendncia da demanda;
Trimestre 1 2 3 4 1 2 3 4
Demanda 65 58 50 60 85 75 62 74
I1 = 1,3 I2 = 1,0 I3 = 0,8 I4 = 0,9
Retira-se a sazonalidade dos dados dividindo-os pelos respectivos ndices de

sazonalidade. Assim, tem-se a seguinte tabela:
Trimestre 1 2 3 4 1 2 3 4
Demanda 50,0 58,0 62,5 66,7 65,4 75,0 77,5 82,2

Demanda para o prximo Ano

D1 Trim = (47,90 + 4,28 x 9) x 1,3 = 112,3
D2 Trim = (47,90 + 4,28 x 10) x 1,0 = 90,7
D3 Trim = (47,90 + 4,28 x 11) x 0,8 = 75,9
D4 Trim = (47,90 + 4,28 x 12) x 0,9 = 89,3

Exemplo:
A demanda trimestral de determinado produto apresenta sazonalidade e
tendncia. Para o 1 trimestre o ndice de sazonalidade de 1,3 , para o 2 de
1,0 , para o 3 de 0,8 , e para o 4 de 0,9. Nos ltimos dois anos a demanda
deste produto apresentou os seguintes dados:
a) Retirar a sazonalidade dos dados e gerar uma equao linear para

previso da tendncia da demanda;
Trimestre 1 2 3 4 1 2 3 4
Demanda 75 68 60 70 95 85 72 84
I1 = 1,3 I2 = 1,0 I3 = 0,8 I4 = 0,9
Retira-se a sazonalidade dos dados dividindo-os pelos respectivos ndices de

sazonalidade. Assim, tem-se a seguinte tabela:
Trimestre 1 2 3 4 1 2 3 4
Demanda
Trimestre Demanda X XY
(X) (Y)
1 .
2 .
3 ,
4 ,
5 .
6 ,
7 ,
8 ,
,
96
97
98
99
100
101
Dvidas???

e-mail: fcmarinho01@gmail.com /25
Mdia Mvel Dupla - MMD
Previso de sries que apresentam tendncia. Deve-se efetuar os
clculos: R = valor real observado no perodo t
t
n = nmero de perodos considerados na Mdia Mvel
( Rt Rt 1 Rt 2 ... Rt n 1 )
- Mdia mvel: Mt
n
( M t M t 1 M t 2 ... M t n1 )
- Mdia mvel das mdias mveis: Mt
n
- Efetua-se o seguinte clculo: at M t ( M t M t' ) 2M t M t'
2
- Fator de ajuste adicional bt ( M t M t' )
n 1
(Tendncia Coef. Angular):
-Assim, a previso dada por: Pt p at bt p

p : nmero de perodos futuros a serem previstos 103
104
105
Exerccio questo 1
106
Exerccio questo 2
107
Exerccio questo 3
108
Exerccio questo 4
109
Exerccio questo 5
110
Exerccio questo 6
111
Exerccio questo 7
112
Exerccio questo 8
113
Exerccio questo 9
114
Amortecimento Exponencial Simples - AES
Sem Tendncia. Mtodo permite atribuir um maior peso ( ) em

valores mais recentes. Deve-se efetuar os seguintes clculos:
Rt = valor real observado no perodo t
Pt 1 Rt (1 ) Rt 1 (1 ) Rt 2 ...
2
Ou ainda,
Pt 1 Rt (1 ) Pt
Sendo: = coeficiente de amortecimento (0 1)
Prximo de 1 previso mais sensvel ao ltimo valor observado
Geralmente adota-se P0 = R0 ou P0 = (Rt)/n 115

116
117
AED - Amortecimento Exponencial Duplo
(Mtodo de Brown)
Mtodo para sries com tendncias, com atribuio de

pesos diferentes aos dados histricos. Seguem-se os
clculos:
Primeiro amortecimento: At Rt (1 ) At 1
Segundo amortecimento: At' At (1 ) At' 1
Sua diferena: at 2 At At'

Fator de ajuste bt ( At At' )
1
adicional:
Previso: Pt p at bt p
p: nmero de perodos futuros a serem previstos 118
Exemplo
119
Exemplo
120
Exerccio Questo 01
121
Exerccio Questo 02
122
Exerccio Questo 03
123
Exerccio Questo 04
124
Exerccio Questo 05
125
Exerccio Questo 06
126
Exerccio Questo 07
127
Exerccio Questo 08
128
Exerccio Questo 09
129
AED - Amortecimento Exponencial Duplo (Mtodo de Brown)
Ao utilizar o AED deve-se atentar aos valores iniciais A0 e A0 ,

pois a utilizao da primeira observao para estes valores implica em
subestimar a tendncia existente em uma srie. Usar:
(1 ) (1 )
A0 a0 b0 e A a0 2
'
b0

0

: Coeficiente linear da regresso dos valores da srie
(varivel dependente) pelos nmeros dos perodos
(varivel independente).
: Coeficiente angular da regresso dos valores da

srie (varivel dependente) pelos nmeros dos
perodos (varivel independente).
130
Amortecimento Exponencial Duplo (Mtodo de Holt)
Utilizado tambm para sries que apresentam tendncia.

Existem dois coeficientes de amortecimento. Clculos:
N t Rt (1 )( N t 1 Tt 1 )
Tt ( N t N t 1 ) (1 )Tt 1
Pt p N t 1 pTt 1
: Componente nvel
: Componente tendncia
Onde:
: Coeficiente de amortecimento para a estimativa
da tendncia 0 1
: Coeficiente de amortecimento 0 1
p: nmero de perodos futuros a serem previstos 131
132
133
Exerccio Questo 01
134
Amortecimento Exponencial Triplo (Mtodo Winter)
Adequado para previso de sries que apresentam tendncias e

sazonalidades:
Rt
St (1 ) St c
Nt
Rt
Nt: Componente nvel
Nt : ajuste sazonal calculado para o perodo t
S t c : ajuste sazonal calculado c perodos atrs. Para previso mensal (semanal) e

sazonalidade ao longo do ano (ms), usa-se c = 12 (4).
: Componente sazonal
: Coeficiente de amortecimento para a estimativa da sazonalidade

0 1.
135
Amortecimento Exponencial Triplo (Mtodo Winter)
- Clculo da Tendncia (Holt): Tt ( Nt Nt 1 ) (1 )Tt 1
- Clculo do nvel considerando o ajuste sazonal:
Rt
N t (1 )( N t 1 Tt 1 )
St c
- Finalmente, a previso: Pt p ( N t pTt ) St c p
Tt: componente Tendncia, : coef. de amortecimento, : coef. de

amortecimento para a estimativa de Tendncia, Rt: valor real observado no
perodo t, p: nmero de perodos a serem previstos.
136
137
138
Metodologias de Seleo de Modelo
Seleo a Priori
139
Metodologia de Seleo de Modelo
Seleo pela Preciso
- Mean Absolute Deviation (MAD)
n
| R P |
t t
MAD t 1
n
Onde: R t Valores reais de venda
Pt Valores Previstos
n Nmero de perodos de previso
- Evita o problema de um erro negativo cancelar o positivo
140
Seleo pela Preciso
-Mean Percentual Error (MPE)
( Rt Pt )
n

t 1 Rt
MPE
n
Onde: R t Valores reais de venda
Pt Valores Previstos
n Nmero de perodos de previso
Mede se os valores previstos esto sistematicamente acima ou abaixo das

vendas reais:
- Se o valor de MPE for positivo, tem-se que a previso est freqentemente
abaixo da venda real;
- Se o valor de MPE for negativo, tem-se que a previso est freqentemente
acima da venda real. 141
Seleo pela Preciso
- Mean Absolute Percentual Error (MAPE)
| Rt Pt |
n

t 1 Rt
MAPE
n
Onde: R t = Valores reais de venda
Pt = Valores Previstos
n = Nmero de perodos de previso
- Avalia a magnitude do erro com relao serie histrica
142
Seleo pela Preciso
- (Rooted) Mean Squared Error - (R )MSE
( Rt Pt ) 2
n
RMSE
t 1 n
Onde: R t = Valores reais de venda
Pt = Valores Previstos
n = Nmero de perodos de previso
- Os grandes erros se destacam devido ao clculo da mdia ao quadrado

- Mas os erros outliers recebero grande significncia (deveriam ser
desconsiderados)
-MSE : erros avaliados na unidade ao quadrado
-RMSE Raiz quadrada do MSE
143
Obteno das Previses
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.
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.
144
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 acuracidade dos valores previstos;
Identificar, isolar e corrigir variaes anormais;
Permitir a escolha de tcnicas, ou parmetros, mais eficientes.
145
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 atual Dprevista
n
146
= 0,10 = 0,50
Perodo Datual Dprevista Erro Dprevista 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
Para = 0,10, tem-se que: 4 3,51 14,04 25,41 ;

Para = 0,50, tem-se que: 4 3,98 15,92 8,99 .
147
Grfico de Controle para o Erro de Previso
20
15
10
5
0
-5
-10
-15
-20
148
Outros Erros de Previso:
MSE Mean Square Error
Erros de Pr eviso
n
Yi Yi
2
2
MSE i 1

n n
MAPE Mean Absolute Percent Error
n Re ali Pr evistoi
Re ali
MAPE 100. i 1
n
Y Erro de Previso
TS - Tracking Signal n
i Yi
TS i 1

MAD MAD
149
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.
150
Dvidas???


Tecnicasdeprevisesv 141107152848 Conversion Gate02

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

Tecnicasdeprevisesv 141107152848 Conversion Gate02

Diunggah oleh

Hak Cipta:

Format Tersedia

Questes de Reviso e Discusso

Procure na Internet por sites de companhias que produzem

Prof. Fabiano Cunha Marinho

O Mercado e as Previses de Demanda

Longo prazo: Planejamento de novas instalaes;

A previso da demanda a base para o planejamento

As previses so usadas pelo PCP em dois momentos

Em empresas de pequeno e mdio porte, no existe ainda uma

Atualmente as empresas esto buscando um relacionamento mais

Neste ambiente em que mudanas ocorrem com

Uma previso uma afirmativa ou inferncia

A previso de demanda consiste em mtodos

Dimenso da Variao da Demanda

A Demanda varia segundo um determinado padro e se

Todo hoteleiro entende bem as expresses baixa

Por qu Planejar a Demanda?

At empresas que trabalham com produtos utilizando pedidos

Por qu Planejar a Demanda?

De maneira geral, todas as empresas precisam olhar adiante a

Planejamento, predio e previso

Professor Fabiano Cunha Marinho

Coleta e anlise dos dados

Seleo da tcnica de previso

Obteno das previses

Etapas de um modelo de previso

Itens pouco significativos podem ser previstos com maior margem

Abordagem bsica para a previso de demanda

1) Entender o objetivo da previso;

Fatores necessrios de conhecimento pela empresa

Caractersticas das previses

As previses so sempre imprecisas e, assim, devem incluir seu valor esperado e

Supem-se que as causas que influenciaram a demanda passada continuaro a

As previses no so perfeitas pois no somos capazes de prever todas as

Previses de longo prazo normalmente so menos precisas do que previses de

A previso para grupos de produtos mais precisa do que para os produtos

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

O perodo de planejamento para o qual se necessita da previso.

As tcnicas quantitativas envolvem a anlise numrica dos dados

Demanda Independente: a demanda que no pode

Demanda Dependente: a demanda que pode ser

- Demanda dependente e demanda independente;

Demanda Programada (Dependente) so as

Demanda Probabilstica (Independente) so as

Demanda Incerta (Independente) so as

Demanda Eventual so as demandas decorrentes

Pesquisa da equipe de vendas

Consenso do comit executivo. Executivos com

Mtodo Delphi. Esse mtodo usado para se

Previses com carncia de dados histricos

Interesse pessoal dos participantes

Minimiza presses psicolgicas

No exige presena fsica

Processo lento, mdia de 6 meses

Dependncia dos participantes

Dificuldade de redigir o questionrio

Possibilidade de consenso forado

Pesquisa da equipe de vendas. Estimativas de

Pesquisa de clientes. Estimativas de vendas

Analogia histrica. Esse mtodo une a

Pesquisa de mercado. Nas pesquisas de

O consenso do comit executivo e o mtodo Delphi