PREVISO DE DEMANDA

Previso da Demanda
Mtodos Estatsticos de Previso de Vendas
Dados Histricos Dados Causais Clima Tcnicas Estatsticas

Ciclo de Vida

Eventos

Colaborao
Interna Externa
Cliente

Ponto de Venda

Regresso Mltipla

Novos Produtos
Ciclo de Vida Curto Fase Final do Ciclo de Vida

Corte de Preos

Comercial

Pedidos

Preo

Mdias Mveis

Promoo

Operao

Fornecedor

Cliente

Taxa de Juros

Decomposio Clssica

Propaganda

Finanas

Parceiro Comercial

Processo de Previso de Demanda

Variveis explicativas Histrico de vendas Tratamento estatstico Conjuntura econmica Decises da rea comercial Reunio de Previso Previso de vendas
3

Eventos especficos

Informaes de Clientes Informaes dos concorrentes

Processo de Previso de Vendas

A nica coisa da qual podemos estar 100% certos que erraremos a previso!!

Polticas opostas de produo

Plano de Vendas

meses

Ociosidade = Estoque de capacidade Capacidade

Formao de estoque = Estoque de produtos

Capacidade

Plano de Produo = constante Plano de Produo = Plano de Vendas meses meses

Acompanhar a Demanda

Nivelar a Produo

Tipos de Previses
Julgamentos utilizam inputs subjetivos Sries temporais - utilizam dados histricos supondo que o futuro ser como o passado

Modelos de correlao - utilizam variveis explicativas para prever o futuro

Previses Baseadas em Julgamentos

Opinies de executivos Portiflio da fora de vendas Pesquisas de opinio do consumidor Opinies de fora Opinies de gerentes e funcionrios Mtodo Delphi

Previses Baseadas em Sries Temporais

Tendncia - movimento dos dados de longo prazo Sazonalidade - variaes regulares de curto prazo nos dados Variaes irregulares devidas a circunstncias no usuais Variaes aleatrias devidas ao acaso

Variaes de Previso
Variao irregular

Tendncia

Cycles
90 89 88 Variaes sazonais

Mtodos por Mdia

Previses Ingnuas Mdias Mveis Ajustamento Exponencial

Previses Ingnuas

Uh, d-me um minuto.... Vendemos 250 rodas na semana passada.... Portanto, na prxima semana, devemos vender....

Mdia Mvel Simples

900 800 700 600 1 2 3 4 5 6 7 8 9 10 11 12 13
n

Real MA3 MA5

Ai MAn

i=1

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.

D
Mm n
i 1

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

Tcnicas para Mdia Mdia Mvel

Perodo Janeiro Demanda 60 Fevereiro Maro Abril Maio Junho 50 45 50 45 70

Mm3

50 45 70 55,00 3

Mm3

45 70 60 58,33 3

Mm5

50 45 50 45 70 52,00 5

Tcnicas para Mdia Mdia Exponencial Mvel

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.

M t M t 1 a Dt 1 M t 1

O coeficiente de ponderao (a) 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.

Mt = Previso para o perodo t; Mt-1 = Previso para o perodo t-1; a = coeficiente de ponderao; Dt-1 = Demanda do perodo t-1.

Tcnicas para Mdia Mdia Exponencial Mvel

Perodo 1 2 3 4 5 6 7 8 9 10 11 Demanda 90 95 98 90 92 95 90 100 92 95

a = 0,10 Previso 90,00 90,50 91,25 91,12 91,20 91,58 91,42 92,27 92,25 92,52

Erro 5,00 7,50 -1,25 0,88 3,80 -1,58 8,58 -0,27 2,75

a = 0,50 Previso 90,00 92,50 95,25 92,62 92,31 93,65 91,82 95,91 93,95 94,47

Erro 5,00 5,50 -5,25 -0,62 2,69 -3,65 8,18 -3,91 1,05

Ajustamento Exponencial

Ft = Ft-1 + a(At-1 - Ft-1)

PremissaAs observaes mais recentes devem ter valores mais altos de previso.

Portanto, quando fazemos previses,devemos dar mais peso aos perodos de tempo mais recentes .

Escolhendo o Coeficiente de Ajustamento

1400 1350 1300 1250 1200 1150 1100 1050 1000 950 900 Abril

a 0,2

Demanda F (0,05) F(0,2)

a 0,05
Fevereiro

Junho

Agosto

Dezembro

Outubro

Tendncias Comuns No-lineares

Parablica

Exponencial

Crescimento

Equao da Tendncia Linear

Y

Yt = a + bt
b similar inclinao da reta. Entretanto, como ele calculado considerando a variao dos dados, sua determinao no simples, conforme nossa noo usual.
0 1 2 3 4 5 t

Tcnicas para Tendncia Equao Linear

Uma equao linear possui o seguinte formato: n XY X Y
b

Y a bX

X X Y b X a
n
2

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

Semana(X) 1 2 3 4 5 6 7 8 Demanda(Y) 450 430 470 480 450 500 520 530 3830

X
1 3 6 10 15 21 28 36

XY 450 860 1410 1920 2250 3000 3640 4240 17770

1 5 14 30 55 91 140 204

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

Y = 421,46 + 12,73 X

3830 12,73 36 a 421,46 8

Y9 = 421,46 + 12,73 (9) = 536,03 Y10 = 421,46 + 12,73 (10) = 548,76

Tcnicas para Tendncia Ajustamento Exponencial

Pt 1 M t Tt
M t Pt a 1 Dt Pt

Tt Tt 1 a 2 Pt Pt 1 Tt 1

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; a1 = coeficiente de ponderao da mdia; a2 = coeficiente de ponderao da tendncia; Dt = Demanda do perodo t;

Tcnicas para Tendncia Ajustamento Exponencial

Perodo t 1 2 3 4 5 6 7 8 Demanda D 200 250 240 300 340 390 350 400

M t Pt a 1 Dt Pt

Tt Tt 1 a 2 Pt Pt 1 Tt 1

Pt 1 M t Tt

Estimativa inicial da tendncia = (240-200)/2 = 20 Estimativa inicial da demanda = 240 + 20 = 260 260=240+20 268=260+0,2(300-260) 20=20+0,3((260-240)-20) 288=268+20 298,4=288+0,2(340-288) 22,4=20+0,3((288-260)-20) 320,8=298,4+22,4 334,6=320,8+0,2(390-320,8) 25,5=22,4+0,3((320,8-288)-22,4) 360,1=334,6+25,5 358,0=360,1+0,2(350-360,1) 29,6=25,5+0,3((360,1-320,8)-25,5) 387,6=358,0+29,6 390,1=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

Exemplo de Equao de Tendncia Linear

Semana t 1 2 3 4 5 S t = 15 2 ( S t) = 225
2

t 1 4 9 16 25
S t = 55

Vendas y 150 157 162 166 177 S y = 812

ty 150 314 486 664 885

S ty = 2499

Clculo da Tendncia Linear

b =
5 (2499) - 15(812) 5(55) - 225

12.495 -12180 275 -225

= 6,3

812 - 6,3(15) a = = 143,5 5

y = 143,5 + 6,3t

Previses Associativas

Variveis previsoras utilizadas para prever valores de interesse varivel

Regresso - tcnica para ajustar uma linha a um conjunto de pontos Reta de mnimos quadrados minimiza a soma dos quadrados dos desvios em torno da reta

Modelo Linear Parece Razovel

X 7 2 6 4 14 15 16 12 14 20 15 7 Y 15 10 13 15 25 27 24 20 27 44 34 17
50

40

Relao calculada

30

20

10

0 0 5 10 15 20 25

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.

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 apliclos 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.

Tcnicas para Previso da Sazonalidade

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

Isegunda = 0,84 Itera = 0,79 Iquarta = 0,87 Iquinta = 0,86 Isexta = 1,04 Isbado = 1,25 Idomingo = 1,32

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, devese empregar os seguinte passos:
Primeiro, retirar o componente de sazonalidade da srie de dados histricos, dividindo-os pelos correspondentes ndices de

Exatido das Previses Erro diferena entre o valor real e o valor previsto Desvio Mdio Absoluto (DMA)

Erro mdio absoluto Mdia dos quadrados dos erros Razo entre a soma dos erros e o DMA

Erro Mdio Quadrtico (EMQ)

Sinal de Rastreamento

DMA & EMQ

Real previso DMA = n (Real previso) EMQ = n -1

2

Sinal de Rastreamento

(Real Sinal de rastreamento=

- previso) DMA

(Real - previso) Sinal de rastreamento = Real - previso

T3-2

Ajustamento Exponencial

T3-3

Equao da Tendncia Linear

T3-4 Ajustamento Exponencial Linha de Tendncia

T3-5

Regresso Linear Simples