Sistemas de

Produo Industrial
Previso de Demanda

O que previso?
Processo racional de busca de informaes
acerca do valor das vendas futuras de
um item ou de um conjunto de itens

Aline Cazarini

Importncia da Previso da
Demanda para:

Finanas: projetar necessidades de capital ao longo prazo

RH: estimar necessidades dos funcionrios

Sistemas de informao gerencial: projeta e implementa

sistemas de previso

Marketing: desenvolvem previses de vendas que sero

utilizadas para planos de mdio e longo prazo

Operaes: desenvolve e utiliza previses para decises

como programao de funcionrios, reposio de estoques
a curto prazo e o planejamento a longo prazo da
capacidade

Aline Cazarini

Fatores que influenciam a

demanda por produtos e servios

Fatores competitivos

Tendncias de mercado

Propaganda, promoo, determinao de preos

e mudanas do produto

Mudanas tecnolgicas avanadas

Preocupaes ambientais

Aline Cazarini

Projeto de um sistema de
previso

O gerente deve tomar trs decises antes

de usar tcnicas de previses:

O que prever?
Que tipo de tcnica da previso usar?
Que tipo de hardware ou software (ou ambos)
usar?

Aline Cazarini

Escolha do tipo de tcnica de

previso

Fator importante: horizonte de tempo para

a deciso que requer previso

Aline Cazarini

Horizonte de Tempo

Aplicao

Curto prazo (03 meses)

Mdio prazo (3
meses a 2 anos)

Longo prazo
(mais de 2
anos)

Previses de
quantidade

Produtos ou
servios
individuais

Vendas totais
Grupos ou famlias de
produtos ou servios

Vendas totais

rea de deciso

Gerenciamento
de estoque
Programao de
montagem final
Programao de
equipe de vendas
Programao
geral da produo

Localizao das
instalaes
Planejamento
da capacidade
Gerenciamento
de processos

Tcnica de previso

Srie de tempo
Causal
Julgamento

Planejamento do
quadro de
colaboradores
Planejamento da
produo
Programao geral da
produo
Compras
Distribuio
Causal
Julgamento

Aline Cazarini

Causal
Julgamento

Mtodos de Previso

Diversos mtodos

A escolha de um mtodo depende de certos

fatores:

Disponibilidade de dados, tempo e recursos

Horizonte de previso

Caractersticas comuns:

O comportamento passado base para inferir sobre o

comportamento futuro
Os mtodos no conduzem a resultados perfeitos;
quanto maior o horizonte de previso, maior a chance
de erro
Aline Cazarini

Classificao dos Mtodos de

Previso

Qualitativos

Baseados no julgamento de pessoas que, de

forma direta ou indireta, tenham condies de
opinar sobre a demanda futura

Quantitativos

Utilizam modelos matemticos para chegar aos

valores previstos

Aline Cazarini

Mtodos qualitativos

Estimativas da equipe de vendas

Opinio dos executivos

Pesquisas de mercado

Mtodo Delphi

Aline Cazarini

10

Estimativa da equipe de
vendas

Usado principalmente para produtos e servios existentes

Estimativa de vendas regionais so obtidas de membros

individuais da equipe

Essas estimativas so combinadas para formar uma nica

estimativa de vendas

necessrio que a empresa tenha um bom sistema de

comunicao em funcionamento e uma equipe de vendas
que vende diretamente aos clientes

Aline Cazarini

11

Estimativa da equipe de
vendas

Vantagens:

Maior probabilidade de conhecer produtos e servios que

os clientes desejam
Territrio de vendas dividido por distrito ou regies
Previses individuais da equipe podem ser combinadas

Desvantagens:

Distores individuais
Diferenciar entre o que o cliente deseja e o que ele
precisa
Vendedores podem subestimar suas previses
Aline Cazarini

12

Opinio dos executivos

Mtodo no qual as opinies, experincia e

o conhecimento tcnico de um ou mais
gerentes so adotados para se obter uma
previso nica

Desvantagem: opinio executiva pode ser

custosa

Aline Cazarini

13

Pesquisas de Mercado

Procedimentos teis para novos produtos ou

servios, ou produtos existentes a serem
introduzidos em novos seguimentos de mercado

Questionrios por correspondncia, entrevistas

telefnicas ou entrevistas de campos formam a
base para testar hipteses sobre mercados reais

Aline Cazarini

14

Pesquisas de Mercado

Desvantagens:

ndice tpico de resposta

Possibilidade de que os relatrios no reflitam

opinies do mercado

Idias imitativas em vez de inovadoras

Aline Cazarini

15

Mtodo Delphi

Consiste na reunio de um grupo de

pessoas que devem opinar sobre um certo
assunto, dentro de regras determinadas
para a coleta e depurao das opinies

Geralmente envolvem situaes de longo

prazo, onde os dados so escassos ou
mesmo inexistentes

Aline Cazarini

16

Mtodo Delphi

Formado por pessoas que participaro do

processo:

Especialistas no assunto ou em assuntos correlatos

Expressam a opinio atravs de um questionrio
individual
Um sumrio das opinies preparado e distribudo ao
grupo, dando uma maior ateno as opinies
divergentes da mdia
Pergunta-se aos participantes se querem rever suas
previses em relao aos resultados
Repete-se esse procedimento at atingir consenso

Aline Cazarini

17

Mtodo Delphi

Vantagem:

Permite obter opinies pessoais sem que haja

interao dentro do grupo, as quais poderiam
distorcer resultados

Desvantagem:

No h mecanismos para se debater a

eventual ambigidade de algumas questes

Aline Cazarini

18

Mtodos quantitativos

Mtodo causal: usa dados histricos para

as variveis independentes, como
campanhas promocionais, condies
econmicas e ao dos concorrentes

Anlise de srie temporal: baseia-se em

dados histricos da demanda a fim de
projetar a dimenso futura da demanda,
reconhecendo tendncias e padres
sazonais
Aline Cazarini

19

Mtodo Causal: Regresso

Linear Simples

Usado quando h dados histricos

Na regresso linear, uma varivel, denominada
Varivel dependente, relaciona-se com uma ou
mais Variveis independentes por meio de uma
equao linear: Y = a+bX onde,

Y = varivel dependente
X = varivel independente
a = interseco da linha no eixo Y (+ ou -)
b = inclinao da linha (coeficiente angular da reta) (+
ou -)

Aline Cazarini

20

Regresso Linear Simples:

Significado dos parmetros da
reta
Y

Y=a+bX

b = tg
X

Aline Cazarini

21

Regresso Linear Simples:

Mtodo dos Mnimos

Equao de reta (MMQ)

para valores previstos: = a+bX
Quadrados

Erro de Previso: Yii

Critrio: os parmetros a e b da reta devem ser

tais que o erro total (Yii)2 seja o mnimo
possvel

Equaes normais

Y= na + bX
XY= aX + b X2

Aline Cazarini

22

Exemplo: MMQ

A gerente de Marketing de uma empresa deseja saber se a demanda por

um determinado tipo de produto dependente do valor gasto com
propaganda para o mesmo. Os dados das demandas dos meses anteriores
e os gastos com propagandas encontram-se na tabela abaixo. Determine
atravs da regresso linear simples se a demanda realmente depende do
valor gasto em propaganda. Qual a previso da demanda para o ms de
fevereiro sendo que o valor investido em propaganda foi de $2,3mil?
Ms
Demanda (xMil) Valor gasto com propaganda (xMil)
Setembro
1,25
5,1
Outubro
1,50
5,7
Novembro
1,46
5,5
Dezembro
2,00
6,2
Janeiro
2,54
7,5

Aline Cazarini

23

Resoluo pelo Excel

X

Y
5,1
5,7
5,5
6,2
7,5
30,0

Aline Cazarini

1,25
1,5
1,46
2
2,54
8,75

XY
6,375
8,55
8,03
12,4
19,05
54,405

X2
26,01
32,49
30,25
38,44
56,25
183,44

24

Regresso linear: Coeficiente de

Correlao da Amostra

Objetivo: determinar os valores de a e b que

minimizem a soma dos quadrados dos desvios
dos dados reais em relao a linha

Trs medidas:

Coeficiente de correlao da amostra r

Varia de -1 a 1 (r=1 correlao perfeita e positiva, ou
seja, qdo uma cresce a outra cresce tambm. r=-1
correlao perfeita mas as variveis so
inversamente relacionadas)

Qto mais r se aproxima de zero, menor a correlao

Aline Cazarini

25

Regresso linear: Coeficiente de

Determinao da Amostra

o quadrado do coeficiente de correlao

Coeficiente de determinao da amostra r2

Varia de 0 a 1

interpretado como sendo a proporo de

varincia comum entre Y e X, ou seja, se
r2=0,85, isto significa que 85% da variao de y
explicada pela variao de X, sendo os restantes
15% de variao devido a explicaes
desconhecidas

Erro padro da estimativa: Sxy

Aline Cazarini

26

Clculo do Coeficiente de
Correlao e Determinao
r=

nXY (X)(Y)

nX2 (X)2 (n Y2 ( Y)2

r2 =

(- Y)2
(Y- Y)2

Aline Cazarini

27

Anlise de Srie Temporal:

Padres de Demanda

Um padro o formato geral de uma srie

temporal
D
e
m
a
n
d
a

Tendncia

4
3
2
1

Demanda sazonal

0
1

10

11

12

Trimestre
Aline Cazarini

28

Padres bsicos

Horizontal: flutuao dos dados em torno de uma mdia

Tendncia: aumento ou diminuio sistemticos nas mdias

das sries ao longo do tempo

Sazonal: padro repetido de aumentos ou diminuies da

demanda, dependendo da hora, do dia, da semana, do ms
ou da estao

Cclico: aumentos ou diminuies graduais da demanda

menos previsveis em perodos mais longos de tempo (anos
ou dcadas)

Aleatrio: variao da demanda que no pode ser precista

Aline Cazarini

29

Mtodos de sries
temporais

Dizem respeito somente a varivel

dependente

Identifica padres bsicos de demanda

que se combinam para indicar um padro
histrico

Aline Cazarini

30

Mdia Mvel

Tipo de modelo de previso com srie temporal

de curto prazo que prev vendas para o perodo
seguinte

Nesse modelo, a mdia aritmtica das vendas

reais corresponde a um nmero especfico de
perodos de tempo mais recentes a previso
para o perodo seguinte

Ex:

Aline Cazarini

31

Exemplo
A demanda em cada um dos ltimos trs meses foi de
respectivamente 120, 135 e 114 unidades. Utilizando uma
mdia mvel de 3 meses, calcule a previso para o quarto
ms.

Resposta
Previso para o ms 4 = 120+135+114 = 123
3
A demanda real para o ms quatro acabou sendo 129. Calcule
a previso para o quinto ms.

Resposta
Previso para o ms 5 = 135+114+129 = 126
3
Aline Cazarini

32

Exemplo da Aplicao da Mdia Mvel

Semana

Demanda
Real

Previses

PR=3 semanas

PR=5 semanas

PR=7 semanas

90

110

105

130

85

102

110

90

99,0

106,4

104,6

105

100,7

103,4

104,6

10

95

101,7

98,4

103,9

11

115

96,7

100,4

102,4

12

120

105,0

103,0

100,3

13

80

110,0

105,0

105,3

14

95

105,0

103,0

102,1

Aline Cazarini

33

Exemplo de clculo da
mdia mvel
F3 = (85+102+110)/3 = 99,0
F5 = (105+130+85+102+110)/5 = 106,4
F7 = (90+110+105+130+85+102+110)/7 = 104,6

Aline Cazarini

34

Mdia Ponderada Mvel

Nesse modelo, a mdia ponderada das vendas

passadas a previso para o perodo seguinte

Semana

Dados Reais

Peso

85

0,20

102

0,30

110

0,50

Previso = 0,2*85 + 0,3*102 + 0,5*110 = 102,6

Aline Cazarini

35

Mdia Mvel Exponencialmente

Ponderada de 1a Ordem

Mtodo sofisticado de mdia mvel

ponderada que calcula a mdia de uma
srie temporal atribuindo s demandas
recentes maior peso do que as demandas
iniciais

Baseada na previso calculada

anteriormente e nos novos dados

Atribui-se pesos aos meses

Aline Cazarini

36

Mdia Mvel Exponencialmente

Ponderada de 1a Ordem

Frmula para o clculo da nova previso:

Nova previso = (ltima demanda) + (1- )(previso anterior)

Exemplo:

=0,3
Ms
Demanda Real
Junho
10
Julho
12
Agosto
15
Setembro 14
Outubro ...

Previso
Previso
Previso
Previso

p/
p/
p/
p/

Demanda Prevista
10
10
10,6
11,9
12,5

julho = 0.3*10 + 0.7*10 =10

agosto = 0.3*12 + 0.7*10 =10,6
setembro = 0.3*15 + 0.7*10,6 =11,9
outubro = 0.3*14 + 0.7*11,9 =12,5
Aline Cazarini

37

Exemplo
A demanda prevista para maio era de 220 e a
demanda real para o mesmo ms foi de 190. Se
tem valor de 0.15, calcule a previso para
junho. Se a demanda de junho for de 218, calcule
a previso para julho.
Resposta
Previso para junho = 0.15*190 + (1-0.15)*220
= 215.5
Previso para julho = 0.15*218 + (0.85)*215.5
= 215.9
Aline Cazarini

38

Incluso de uma tendncia

Uma tendncia em uma srie temporal um aumento ou

diminuio sistemtica na mdia da srie ao longo do
tempo

necessrio calcular uma estimativa de tendncia para

melhorar a previso

O mtodo para incorporar uma tendncia em uma previso

de suavizao exponencial denominado Mtodo de
Suavizao Exponencial com Ajuste de Tendncia

Aline Cazarini

39

Incluso de uma tendncia

At = Dt + (1- )(At-1 +Tt-1)

Tt = (At At-1) + (1- )Tt-1

Ft+1 = At + Tt
Onde:

At =mdia exponencialmente suavizada da srie no perodo

t
Tt =mdia exponencialmente suavizada da tendncia no
perodo t
= parmetro de suavizao para a mdia, com valor entre
0e1
= parmetro de suavizao para a tendncia, com valor
entre 0 e 1
Ft+1 = previso para o perodo t+1

Aline Cazarini

40

Padres Sazonais

Alteraes regularmente repetitivas para

cima ou para baixo nas medidas da
demanda em intervalos inferiores a um
ano

Os intervalos de tempo so denominados

perodo sazonal

Mtodo Sazonal Multiplicativo: os fatores

sazonais so multiplicados por uma
estimativa da demanda mdia para se
chegar a uma previso sazonal
Aline Cazarini

41

Mtodo Sazonal
Multiplicativo
1.

Calcule a demanda mdia para cada ano por

perodo sazonal

2.

Divida para cada ano a demanda real para um

perodo sazonal pela demanda mdia por
perodo sazonal. O resultado um ndice
sazonal para cada perodo sazonal do ano.

3.

Calcule o ndice sazonal mdio para cada

perodo sazonal usando o estgio 2. Some os
ndices sazonais para um intervalo e divida pelo
n de anos correspondentes aos dados

4.

Calcule a previso de cada perodo sazonal para

o prximo ano.
Aline Cazarini

42

Exemplo:

O gerente de uma concessionria de servios pblicos em uma

regio de Ribeiro Preto deseja desenvolver previses
trimestrais de utilizao de energia eltrica para o prximo ano.
A energia distribuda sazonal. Os dados sobre suas cargas em
megawatts (MW) para os ltimos quatro anos so os seguintes:
Ano
1
2
3
4

Trimestre 1
103,5
126,1
144,5
166,1

Trimestre 2
94,7
116,0
137,1
152,5

Trimestre 3
118,6
141,2
159,0
178,2

Trimestre 4
109,3
131,6
149,5
169,0

O gerente estimou que a demanda total para o prximo ano ser

de 780MW. Use o mtodo sazonal multiplicativo, a fim de
desenvolver a previso para cada trimestre.

Aline Cazarini

43

Passo 1

Calcule a demanda mdia para cada ano

conforme exemplo na tabela

Aline Cazarini

44

Passo 2

Para cada trimestre, divida a demanda do

trimestre pela mdia calculada anteriormente
para cada ano, conforme exemplo

Aline Cazarini

45

Passo 3

Somar os ndices sazonais de todos os

anos para cada trimestre e dividir pelo
nmero de anos, conforme tabela.

Aline Cazarini

46

Passo 4
Temos que: IS=Demanda real/demanda mdia
Assim, Demanda real = ISxdemanda mdia
Para calcular a previso para cada perodo deve-se calcular a
demanda mdia anual e aplicar a frmula acima

Aline Cazarini

47

Erros de Previso

As previses quase sempre contm erros

Os erros podem ser classificados em:

Erros de vis: enganos consistentes. A

previso sempre muito alta ou muito baixa

Erros Aleatrios: resulta de fatores

imprevisveis

Aline Cazarini

48

Medidas do erro de
previso

Erro de previso: diferena obtida

subtraindo a previso da demanda real em
um dado perodo

Et Dt Ft , onde :
Et erro de previso para o perodo t
Dt demanda real para o perodo t
Ft previso para o perodo t

Aline Cazarini

49

Medidas de Erros de
Previso

Soma cumulativa dos erros de previso

(CFE) CFE Et

Erro de previso mdio

E

Aline Cazarini

CFE
n

50

Medidas de Erros de
Previso

Erro mdio ao quadrado (MSE), desvio

padro () e desvio absoluto mdio (MAD)
MSE

2
E
t

(Et E )2

n 1

MAD

Erro potencial absoluto mdio (MAPE)

MAPE

Dt 100

n
Aline Cazarini

51

Sinais de monitoramento

Medida que indica se um mtodo de

previso est prevendo de modo preciso
as variaes reais da demanda

CFE
Sinal de monitoramento
MAD

Aline Cazarini

52

Aline Cazarini

53