Previso de demanda cap 2

Previso: especificar informaes significantes sobre o futuro, relacionada a um conjunto de

mtodos e ao conhecimento do previsor sobre o mercado

importante como dado de entrada para varias decises do PCP

Longo prazo (planejamento de novas instalaes), mdio prazo (base para o planejamento
agregado da produo), curto prazo (programao de compras).

Fundamentos das previses:

- comportamento causal que aconteceu no passado, continuar a acontecer no futuro

-> estar atento a mudanas nas suposies originais da previso
- erros de duas naturezas afetam: rudo, aleatoriedade do mercado; do mtodo, ou na
escolha de parmetros do mtodo
- previses agregadas so mais precisas
- exatido das previses diminui com o aumento do horizonte de planejamento
- um bom sistema reage a variaes verdadeiras e ignora as aleatrias
- o horizonte de planejamento deve ser no mnimo igual ao tempo necessrio a
implementao das mudanas sugeridas

Cinco passos para previso:

Identificar o objetivo da previso: saber qual deciso ser afetada

selecionar uma abordagem de previso (qualitativa, causal ou baseada em sries
temporais): seleo por 4 pontos: 1- existncia de dados. 2- possibilidade de coleta
desses dados. 3- natureza dos dados. 4- existncia de fatores causais.
selecionar os mtodos de previso e estimar os parmetros
elaborar a previso
monitorar, interpretar e atualizar a previso: ver se est sob controle, se no tem vis

Abordagens e mtodos

Abordagem qualitativa: tem carter subjetivo e se baseia no julgamento do decisor. Utilizada

quando no existem dados histricos ou quando estes so qualitativos. Mtodos:

a) Consenso do comit executivo: vantagem ter vrios pontos de vista, mas risco de
diluio de responsabilidade pode fazer com que ela no seja bem elaborada.
b) Mtodo Delphi: especialistas respondem a questes a respeito de previses,
fornecendo as razes. Resultados so analisados e novas perguntas so feitas. Isso
repetido at que se chegue a um relativo consenso, entre trs e quatro rodadas
depois.
c) Analogia histrica: baseada no histrico de um produto simular. til para novos
produtos.
d) Pesquisa de mercado: hipteses testadas por entrevistas com amostra do mercado.
Anlise estatstica dos resultados fornecem a previso. Utilizado para previses de
longo prazo de novos produtos.
 e) Pesquisa de clientes: particularidade do d. Baseado nas informaes individuais de
todos os clientes atuais e potenciais da empresa. til quando a empresa tem poucos
clientes.
f) Pesquisa da equipe de vendas: tambm parecido com o d. Adequado para empresas
que vendem diretamente ao cliente e tem bom sistema de comunicao. Baseado nas
estimativas de cada vendedor.

Abordagem causal: Identifica uma ou mais variveis independentes que ajudem a prever a
demanda de um produto em questo (varivel dependente). Gera uma equao. Os mais
utilizados so os de regresso. Os principais so regresso linear simples, regresso curvilnea
e a regresso mltipla.

Forma geral: = ( ) +

Demanda = funo comportamento da varivel independente + rudo. Descoberta de f

determina o tipo de regresso e pode ser feita plotando.

Alm da regresso existem os mtodos chamados sistemas simultneos e os mtodos de

simulao.

Regresso linear simples: relao linear entre duas variveis.

= + +

A e b dados pelo MMQ. Deve-se calcular tambm coeficiente de correlao (r) e de

determinao (r). Correlao, entre -1 e 1, diz quo forte a correlao entre as variveis e
sua direo. O de determinao, entre 0 e 1, determina a qualidade. (>, melhor).

Tambm deve-se testar se h relao significativa entre as variveis (t de student, com H0

parametro (a ou b) nulo, ou seja, no h relao entre as variveis e H1 h
relao).Como? Valor-P: menor nvel de significncia que leva a rejeio de H0. Se o nvel de
significncia estabelecido 5%: se valor-P for menor que 5%, o parmetro (a ou b) no nulo
e h relao entre as variveis. Se for maior que 5%, nulo e no existe relao.

Regresso curvilnea: o MMQ tambm pode ser utilizado para funes no lineares,
como a exponencial, logartmica, potencial e polinomial (at grau 6), so feitas no
Excel.
Regresso mltipla: duas ou mais variveis independentes afetam a varivel
dependente: = 0 + 1 1 + 2 2 + + + , onde b so parmetros a
serem estimados. No necessariamente requer que a relao entre as variveis seja
linear

Cuidados com os modelos de regresso: preciso realizar os teste de r, r, t e anlise de

resduos. necessrio um bom numero de perodos para chegar na equao. As vezes, a
varivel dependente e independente variam em funo de uma outra varivel, o que pode ser
interpretado como uma relao causal, mas no .

Outros mtodos causais (avanados)

Abordagem baseada em sries temporais: srie temporal um conjunto de observaes
ordenadas no tempo. Nesse caso, o eixo X sempre o tempo. Pressuposto: os fatores que
influenciaram o passado continuaro a influenciar o futuro. til para previses de curto prazo.

Primeiramente deve-se reconhecer o padro (ou processo) de comportamento da srie,

plotando em um grfico de disperso. Assim, pode-se escolher o mtodo (mdia mvel
simples, padro com tendncia, sazonalidade).

Existem quatro processos usuais (mais comuns e simples) e quatro anmalos (mais incomuns e
difceis). Os usuais so:

i) processo constante ou com permanncia

ii) processo com tendncia (os dados apresentam tendncia de acrscimo ou decrscimo)
iii) processo com sazonalidade e permanncia (dados possuem perodos em que padres se
repetem para cima ou para baixo, regularmente
iv) processo com sazonalidade e tendncia

Os anmalos so: impulso, degrau, crescimento de novo produto e declnio de novo produto.
Para cada processo existem mtodos mais apropriados:

Mtodos baseados em um processo constante: = +

Mtodos ingnuos: a previso para o prximo perodo o valor real do perodo anterior.

Mtodos baseados na mdia: o mtodo anterior considera os rudos. Para superar esse
problema, usar a mdia dos valores que dispomos. Possui variaes:

i) mtodo da mdia mvel: o calculo da mdia leva em considerao somente os N

perodos mais recentes

ii) mtodo da mdia mvel ponderada: alm de usar os N perodos mais recentes, so
dados pesos maiores para os perodos mais recentes (somatrio dos pesos deve ser 1).

A escolha de N e dos pesos arbitrria, mas uma abordagem interessante a anlise

de erros.

Mtodo da suavizao exponencial simples: similar ao mtodo da mdia mvel ponderada,

mas os pesos decrescem exponencialmente do tempo presente em direo ao passado.
Fornece a previso para o prximo perodo como sendo a previso para o perodo atual
corrigida pelo erro ocorrido no perodo atual, ao qual dado um peso (constante de
suavizao). So adotados valores altos de quando se considera que as novas informaes de
demanda real so as mais confiveis (reage mais prontamente s alteraes de demanda).
Valores mais baixos quando se considera que o ltimo valor foi um ponto fora da curva, e que
a demanda deve retornar aos padres. Recomendado usar entre 0,1 e 0,3.

Mtodos baseados em um processo com tendncia: trabalharemos s com tendncia linear.

= + +
S preciso determinar a e b. Isso pode ser feito por regresso (em que o tempo a varivel
independente) ou por suavizao exponencial dupla.

Mtodo da suavizao exponencial dupla: leva em considerao o tempo, dando maior peso
aos mais recentes, e a tendncia nesse tempo. (St=previso suavizada para o perodo T,
Tt=estimativa de tendncia para o perodo T, k=nmero de perodos futuros a serem previstos)

+ = +

No comeo, no tem S e T do perodo anterior. Podemos dividir os 2x dados reais em dois

grupos com nmeros iguais x de perodos , calcular as mdias, m1 e m2. Tt=(M1-M2)/x . Ou
Tt=dT-d1/x. Para St, o coeficiente linear, somar a mdia entre todos os 2x valores disponveis
Tt*((T-1)/2). Substituir na equao acima, com k=1, depois k=2,...

Mtodos baseados em um processo com sazonalidade e permanncia: as variaes sazonais

podem ser associadas a um evento, e podem ser anuais, mensais, semanais ou dirias. 2
maneiras:
1) previso para janeiro de 2005=real de janeiro de 2004.

2)aplicar a cada previso suavizada exponencialmente um fator de sazonalidade (ou ndice, Ft).
Ft=1,4 para janeiro demonstra que janeiro tem demanda 40% maior que a mdia anual. Assim,
a previso =previso suavizada (St)*Ft.

OBS: Ft=dt/demanda mdia no ciclo de sazonalidade. (se o ciclo for de um ano, te varia de 1 a
12, se for semana, de 1 a 7. Logo, quando for calcular a previso para o perodo t levamos em
conta a previso e o fator de sazonalidade do perodo no ultimo ciclo de sazonalidade
disponvel).

O valor de St anlogo ao modelo de suavizao exponencial simples, mas descontando o

fator de sazonalidade dos dados reais.

Mtodos baseados em um processo com tendncia e sazonalidade: = ( + ) + .

Duas maneiras

1) utilizar da quantidade real do perodo equivalente do ltimo ciclo e agregar um percentual

que leve em conta a tendncia.

2)Mtodo de Winters: estima a(=St),b(=Tt) e c(=Ft) e os utiliza para calcular a previso Dt.

i)Clculos iniciais de Tt e St(formulas no livro, pg 39), similar ao procedimento do mtodo da

suavizao exponencial dupla.

ii) calculo inicial dos fatores de sazonalidade Ft(formula na pg 40): fatores da semana 1 em
todos os meses, semana 2 em todos os meses..., e a mdia dessas semanas.

iii) realizar a previso:

+ = ( + )+ , em que F o fator mdio da 1, 2,3 ou 4 semana do ms.

iv)Atualizar os valores.
Controle de previses

Erros(erro=demanda real-demanda prevista) devem ser controlados. A seguir, importantes

medidas de controle:

Somatria acumulada dos erros de previso: se a previso est se comportando bem, os erros
aleatrios de cada ms se anulam ao longo do tempo.Se o somatrio se distancia de 0, a
previso pode ser tendenciosa. Pode crescer ou decrescer a uma taxa constante ou
crescer/decrescer a uma taxa crescente.

Desvio absoluto mdio: Mdia dos erros (pra cada alfa por exemplo). Quanto menor, melhor.

Porcentagem mdia absoluta: relaciona erros absolutos com os valores da demanda. Se o PMA
for de 0,14, a previso se afasta dos dados reais em 15%.

Sinal de rastreamento (tracking signal): indica o grau de vis da previso, ou seja, permite
saber se os erros so aleatrios ou enviesados. SR em um perodo a relao entre a
somatria acumulada dos erros at esse perodo e o DAM mdio no perodo. Os SRt so
comparados a limites de controle, normalmente de -3 a +3 DAM ou entre -4 e +4 DAM. Se sair
desse limite, h vis