8/11/2010

Gesto da Produo Industrial

Aula 5 Previso de Demanda
IFES 2010/2

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 e para planejar o uso deste sistema produtivo.
PCP Planejamento e Controle da Produo 2

8/11/2010

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.
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

8/11/2010

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.
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.
6

8/11/2010

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:
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.
7

Obteno das 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.
8

8/11/2010

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. 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.
10

8/11/2010

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.

11

Previses baseadas em sries temporais

Sazonalidade 60 50 Demanda 40 30 20 10 0 Jan. Fev. Mar. Variao randnica

Tendncia

Variao irregular

Abr.

Mai.

Jun.

Jul.

Ago.

Set.

Out.

Nov.

Dez.

12

8/11/2010

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.
n

D
Mmn =
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,...)
13

Tcnicas para Mdia - Mdia Mvel

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

Jul

Jul

50 + 45 + 70 Mm3 = = 55,00 3

45 + 70 + 60 Mm3 = = 58,33 3
Jul

Ago

Mm5 =

50 + 45 + 50 + 45 + 70 = 52,00 5

14

8/11/2010

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 + ( Dt 1 M t 1 )
Mt = Previso para o perodo t; Mt-1 = Previso para o perodo t-1; = coeficiente de ponderao; Dt-1 = Demanda do perodo t-1.

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. 15

Exerccio: Mdia Exponencial Mvel

Demanda - Previso

16

8/11/2010

Tcnicas para Mdia - Mdia Exponencial Mvel

= 0,10
Perodo 1 2 3 4 5 6 7 8 9 10 11 Demanda 90 95 98 90 92 95 90 100 92 95 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

= 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

17

Tcnicas para Tendncia Equao Linear

Uma equao linear possui o seguinte formato: n( XY ) ( X )( Y ) b= n( X ) ( X ) Y = a + bX
2 2

a=

Y b( X )
n

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.
18

8/11/2010

Tcnicas para Tendncia Equao Linear

Y = a + bX
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.

19

Exerccio: Tcnicas para Tendncia Equao Linear

20

10

8/11/2010

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

X
1 5 14 30 55 91 140 204

XY 450 860 1410 1920 2250 3000 3640 4240 17770

b=

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

Y = 421,46 + 12,73 X

a=

3830 12,73 36 = 421,46 8

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

21

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.
22

11

8/11/2010

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.
23

Exerccio: 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

Demanda / 7

Demanda / Mdia Mvel Centrada

24

12

8/11/2010

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 Mdia dos ndices Isexta = 1,04 Isbado = 1,25 Idomingo = 1,32

25

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.
26

13

8/11/2010

Tcnicas para Previso da Sazonalidade

Exemplo: Equao de tendncia: Y = 40 + 2X
Dia Demanda

18 19 20 21 22 23 24

(40+(2x18)) * 0,84 = 63,84 (40+(2x18)) * 0,79 = 61,62 (40+(2x18)) * 0,87 = 69,60 (40+(2x18)) * 0,86 = 70,52 (40+(2x18)) * 1,04 = 87,36 (40+(2x18)) * 1,25 = 107,50 (40+(2x18)) * 1,32 = 116,16

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

27

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.
28

14

8/11/2010

Previses Baseadas em Correlaes

Y = PREVISO DA DEMANDA PARA O ITEM DEPENDENTE

b=

n XY
2

) ( )( ) n( X ) ( X )
X Y
2

Y = a + bX

Y b( X ) a=
n

0
X

X = VALOR DA VARIVEL INDEPENDENTE

29

Previses Baseadas em Correlaes

Uma cadeia de fast-food 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?

30

15

8/11/2010

Previses Baseadas em Correlaes

Nmero de Vendas por Alunos X Casa Y (mil) (mil) X*Y 31,56 10,00 315,60 38,00 12,00 456,00 25,25 8,00 202,00 47,20 15,00 708,00 22,00 6,50 143,00 34,20 11,00 376,20 45,10 14,50 653,95 32,30 10,10 326,23 29,00 9,20 266,80 40,90 13,40 548,06 40,00 12,70 508,00 24,20 7,60 183,92 41,00 13,10 537,10 450,71 143,10 5.224,86 Y X X*Y Y 996,03 1.444,00 637,56 2.227,84 484,00 1.169,64 2.034,01 1.043,29 841,00 1.672,81 1.600,00 585,64 1.681,00 16.416,83 2 Y
2

X 100,00 144,00 64,00 225,00 42,25 121,00 210,25 102,01 84,64 179,56 161,29 57,76 171,61 1.663,37 2 X
31

Previses Baseadas em Correlaes

Nmero de Vendas por Alunos X Casa Y (mil) (mil) X*Y 31,56 10,00 315,60 38,00 12,00 456,00 25,25 8,00 202,00 47,20 15,00 708,00 22,00 6,50 143,00 34,20 11,00 376,20 45,10 14,50 653,95 32,30 10,10 326,23 29,00 9,20 266,80 40,90 13,40 548,06 40,00 12,70 508,00 24,20 7,60 183,92 41,00 13,10 537,10 450,71 143,10 5.224,86 Y X X*Y Y 996,03 1.444,00 637,56 2.227,84 484,00 1.169,64 2.034,01 1.043,29 841,00 1.672,81 1.600,00 585,64 1.681,00 16.416,83 2 Y
2

X 100,00 144,00 64,00 225,00 42,25 121,00 210,25 102,01 84,64 179,56 161,29 57,76 171,61 1.663,37 2 X
32

16

8/11/2010

Previses Baseadas em Correlaes

b= n XY
2

) ( X )( Y) = 13 5224,86 14310 , 450,71 = 2,99 13 1663,37 (143,10) n( X ) ( X )

2 2

a=

Y b( X ) = 450,71 2,99 143,10 = 1,757

n 13

Y = 1,757 + 2,99X

Qual a demanda para uma nova casa numa regio onde o nmero de alunos de 13750?
Y = 1757 , + 2,99 13,75 = 42,869 ou seja 42869 refeies
33

Previses Baseadas em Correlaes

34

17

8/11/2010

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.

35

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 atual D prevista n

D atual demanda ocorrida no perodo D prevista demanda prevista no perodo N nmero de perodos

36

18

8/11/2010

Exerccio - Manuteno e Monitorizao do Modelo

= 0,10
Perodo 1 2 3 4 5 6 7 8 9 10 Datual 90 95 98 90 92 95 90 100 92 95 Dprevista Erro -

= 0,50
Dprevista Erro -

Erro =
MAD =
EXERCCIO DA TRANSPARNCIA 19

Erro =
MAD =

37

Manuteno e Monitorizao do Modelo

= 0,10
Perodo 1 2 3 4 5 6 7 8 9 10 Datual 90 95 98 90 92 95 90 100 92 95 Dprevista 90,00 90,50 91,25 91,12 91,20 91,58 91,42 92,27 92,25 Erro 5,00 7,50 -1,25 0,88 3,80 -1,58 8,58 -0,27 2,75

= 0,50
Dprevista 90,00 92,50 95,25 92,62 92,31 93,65 91,82 95,91 93,95 Erro 5,00 5,50 -5,25 -0,62 2,69 -3,65 8,18 -3,91 1,05

Erro = 25,41 MAD = 31,61/9 = 3,51

Erro = 8,99 MAD = 35,85/9 = 3,98

MAD =

Para = 0,10, temos que: 4 3,51 = 14,04 < 25,41 ; Para = 0,50, temos que: 4 3,98 = 15,92 > 8,99 .

atual

Dprevista n
38

19

8/11/2010

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.
39

Exerccios
Descreva as etapas de um modelo de previso de demanda. Admitindo que a demanda de um produto nos ltimos nove meses teve o seguinte comportamento:
Perodo Demanda 1 30 2 27 3 35 4 40 5 33 6 29 7 41 8 38 9 35

a) b) c)

Prever a demanda para o 10 ms, empregando a mdia mvel com quatro perodos e a mdia exponencial mvel com = 0,2; Admitindo que a demanda do 10 ms foi de 40 unidades, fazer a previso para o 11 ms com as duas tcnicas; Verificar qual das duas tcnicas de previso gera o menor erro acumulado.
40

20