Você está na página 1de 51

Gesto de Demanda

O que gesto de demanda?


Habilidade para prever a

demanda Canal de comunicao com o mercado Poder de influncia sobre a demanda Habilidade de prometer prazos Habilidade de priorizao e alocao

Previso de Demanda Influncia sobre o Mercado

Promessa de Prazos

Gesto de Demanda
Priorizao e Alocao

Comunicao com o Mercado

Previso de Demanda
Rumo traado com base em previses Previso da demanda base para o Planejamento

Estratgico

Planos de capacidade Fluxo de caixa Fluxo de vendas Fluxo de produo Fluxo de mo-de-obra

Permitem antever o futuro e planejar

adequadamente suas aes.

Previso de Demanda
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.

Fatores Influenciando a Demanda


Fatores Internos Oramento de vendas Propaganda Promoes Projeto do Produto/Servio Descontos Backlogs

Fatores Externos Ciclo de negcios Competio Consumismo Eventos Mundiais Aes governamentais Ciclo de vida do produto

Principais processos operacionais da funo de gesto de demanda


Processo de previso de vendas Processo de cadastramento de pedidos

Processo de promessa de data de entrega


Processo de definio e avaliao do nvel de

servio ao cliente Processo de planejamento de necessidades Processo de distribuio fsica dos produtos aos clientes

Para que se usa Previso de Demanda?

Planejar (longo prazo): elaborar o plano de produo (produtos, servios, instalaes, equipamentos, mo-de-obra) Planejar o uso do sistema (mdio e curto prazo): planejamento mestre da produo e programao da produo usar os recursos disponveis.

Setor de Marketing ou Vendas


E o Eng. De Produo?

Processo de Previso de Demanda


Dados de variveis que expliquem as vendas Dados histricos de vendas Informaes que expliquem comportamento atpico

Tratamento Tratamentoestatstico estatstico dos dosdados dadosde devendas vendase e outras variveis outras variveis Informaes da conjuntura econmica Decises da rea comercial Outras informaes do mercado

Informaes de clientes Informaes de concorrentes Outras informaes do mercado

Reunio de Previso
Comprometimento das reas envolvidas
Tratamento Tratamentodas das informaes informaesdisponveis disponveis

Previso Previso de devendas vendas

Previso de Vendas
Vendas
ciclicidade projetada no futuro

ciclicidade no passado

tendncia no passado

tendncia projetada no futuro

Passado

Hoje

Futuro

Previso de Vendas
Vendas
vendas reais

tendncia

sazonalidade

Previso de Demanda
Mdia Tendncia Linear Sazonal

Cclica

Aleatria

Requisitos da boa previso de vendas


conhecer os mercados, suas necessidades e

comportamentos conhecer os produtos e seus usos saber analisar os dados histricos conhecer a concorrncia e seu comportamento conhecer as aes da empresa que afetam a demanda formar uma base de dados relevantes para a previso documentar todas as hipteses feitas na elaborao da previso trabalhar com fatos e no apenas opinies articular diversos setores para a elaborao da previso

Modelo de Previso
Razo Produtos Acurcia Detalhamento Recursos Dados histricos confiabilidade Caracterizao da demanda vendas Variaes extraordinrias Perodo de consolidao dos dados tcnica Tipo Custo e acurcia Disponibilidade : recursos e tempo

Previses baseadas em Sries Temporais


Mdia Mvel Previso da Mdia Mdia Exponencial Mvel Mdia Ponderada Eq. Linear para tendncia Previso de Tendncia Ajustamento exponencial para tendncia
Previso de Sazonalidade

Mdia Mvel Centrada

Tcnicas de Previso
Caractersticas gerais

causas que influenciaram a demanda passada continuaram a agir; previses no so perfeitas; acurcia diminui com o tamanho do perodo; previso para grupos mais precisa;
Qualitativa Tcnicas de Previso Quantitativa

Tcnicas e Modelos mais comuns I. Qualitativo Mtodo Delphi Processo de aprendizagem interativo envolvendo um grupo de especialistas.

II. Anlise de Sries Temporais Mdia Mvel Simples Mdia Ponderada Exponencial Cada ponto tem a mesma influncia. Dados pontuais mais recentes tm maior peso.

Anlise de Regresso

Ajusta uma linha sequencial de dados do passado. (Mnimos quadrado)

Tcnica

Horizonte de tempo

Complexidade

Preciso

Dados necessrios

I. Qualitativo Mtodo Delphi II. Sries Temporais Mdia mvel Mdia ponderada exponencial Curto Curto Muito Baixa Baixa Mdia Adequada Poucos Poucos Longo Alta Varivel Muitos

Regresso Linear

Longo

Alta

Mdia Alta

Muitos

Demanda
Padres de demanda (Tendncia): Mdia Tendncia linear Tendncia no linear Estacional

Mdia Mvel
Nmero predeterminado de perodos

Exemplo

Perodo Demanda

Janeiro

Fevereiro

Maro

Abril

Maio

Junho

60

50

45

50

45

70

A mdia mvel de trs perodos para o ms de julho, ser:

Admitindo que a demanda real de julho foi de 60 unidades, a nova previso para agosto seria:

Mdia Mvel
Por que usar?

Simplicidade e facilidade Demanda apresenta comportamento estvel Produtos de baixa relevncia Volume de dados

Quando usar?

Desvantagens

Mdia Mvel Ponderada


Atribui-se um peso a cada um dos dados (dar nfase

ao perodo) Exemplo:
Mdia mvel de 3 perodos, o perodo mais recente tem ponderao de 50%, o do meio 30% e o mais antigo 20%.

Mdia Mvel Exponencial


Peso decresce no tempo em progresso geomtrica Cada previso obtida com base na anterior,

acrescida do erro, corrigido por um coeficiente de ponderao.

Mdia Mvel Exponencial


Quanto

maior o coeficiente de ponderao, mais rapidamente o modelo reagir a uma variao real da demanda. Se for muito pequeno as previses podero ficar defasadas. Normalmente variam de 0,05 a 0,50.
Exemplo: Supondo que a previso foi de 100 unidades e

que o valor real atingiu 110 unidades, para um coeficiente de ponderao de 0,1 a prxima previso seria:

Exerccios
1. A tabela abaixo apresenta as vendas dos ltimos 10 meses de bicicletas. Determine a previso de vendas para o ms 11 usando o modelo da mdia mvel dos 10 ltimos meses.

Ms D.

1 285

2 288

3 310

4 290

5 305

6 299

7 315

8 320

9 303

10 300

Exerccios
2. Considerando os dados reais de vendas do exerccio 1, utilizando o mesmo modelo da mdia mvel dos ltimos 10 meses, determine as previses de vendas para os meses 12 a 16.

Ms

11

12

13

14

15

16

Vendas

302

304

303

305

300

308

Exerccios
5. Utilizando as tabelas dos exerccios 1 e 2, calcule a previso de demanda para os meses 11 a 16 utilizando o modelo de mdia mvel dos ltimos 3 meses, ponderando o ltimo ms com o coeficiente 0,6 o penltimo com o coeficiente 0,3 e o antepenltimo com o coeficiente 0,1.

Exerccios
6. A quantidade de carga embarcada no aeroporto de uma cidade tem apresentado os dados na tabela abaixo. Utilizando o modelo da mdia mvel dos ltimos 3 anos, calcular a previso para os prximos perodos a partir do ano de 1994.
Ano 1991 Carga 20.000

1992
1993 1994 1995 1996

30.000
60.000 100.000 80.000 70.000

Exerccios
7. Calcular a previso de carga para 1994, supondo que seja utilizada a mdia mvel dos ltimos 3 anos com coeficientes de 0,5, 0,3 e 0,2 para os anos de 1993, 1992 e 1991, respectivamente. Com o mesmo critrio calcule as previses para os anos de 1995 e 1997.

Exerccios
8. A tabela abaixo apresenta as vendas para um modelo de veculo. A previso para o ms 11 foi obtida com o modelo da mdia mvel dos 10 meses anteriores e de 73,10. Calcular as previses para os meses seguintes com o modelo da mdia exponencial. O coeficiente de 0,3.

Ms

10

11

12

13

14

15

16

50

55

63

65

68

73

78

90

91

98

102

107

110

120

130

132

Ajustamento Sazonal (Sem tendncia)


Mtodo do coeficiente sazonal
1. 2.

3.

4.

Determinar a mdia de consumo de cada ano Determinar os coeficientes de sazonalidade para cada perodo de sazonalidade ao longo dos anos Determinar coeficiente mdio de sazonalidade para cada perodo Projetar demanda global para o ano previsto e a mdia de consumo para cada perodo de sazonalidade

Ajustamento Sazonal
A Tabela apresenta os dados de consumo de um produto nos ltimos quatro Anos deseja-se determinar a previso de vendas trimestral no ano 5. Vamos supor que a previso para o ano 5 de 2500 unidades.
Consumo em Unidades Trimestre 1 2 3 4 Ano 1 45 335 520 100 Ano 2 70 370 590 170 Ano3 100 585 830 285 Ano4 100 725 1160 215

Ajustamento Sazonal
Consumo em Unidades Trimestre 1 2 3 4 Total Mdia
Trimestre 1 2 3 4 Ano 1 0,18 1,34 2,08 0,40 Ano 2 0,23 1,23 1,97 0,57

Ano 1 45 335 520 100 1000 250


Ano 3 0,22 1,30 1,84 0,63

Ano 2 70 370 590 170 1200 300


Ano4 0,18 1,32 2,11 0,39

Ano3 100 585 830 285 1800 450


Mdia 0,20 1,30 2,00 0,50

Ano4 100 725 1160 215 2200 550


Trimestre 1 2 3 4 Previso 125 unidades 813 unidades 1250 unidades 313 unidades

Ajustamento de Tendncias
Curto Prazo Ajustamento Exponencial Duplo ( Mtodo de dois

parmetros de Holt) Ajustamento de Retas

Ajustamento exponencial duplo


Previso para o perodo t At = Ct + (1 - ) (At-1 + T t-1)

Valor da tendncia para o perodo t Tt = (At - At-1 )+ (1 ) Tt-1


Valor da previso para p perodos adiante Pt+p = At + pTt

At novo valor amortecido coeficiente de amortecimento para os dados coeficiente de amortecimento para a tendncia Ct valor real do perodo Tt estimativa da tendncia P perodos futuros Pt + p previso para p perodos

Ajustamento de retas
Y = a + bX Mtodo dos mnimos quadrados
b n xy ( x)( y ) n( x ) ( x )
2 2

y b( x ) a n

Coeficiente de correlao

Exemplo
Dada a tabela de venda dos ltimos 6 meses, determine:

A reta ajustada e sua equao Coeficiente de correlao Determine a previso para julho, agosto e setembro

Vendas em unidaes Ms Consumo Jan. 340 Fev. 355 Mar. 365 Abr. 375 Maio 390 Jun. 401

Ajustamento sazonal de tendncias lineares


Etapa 1

Determinar a equao da reta Coeficiente de sazonalidade em cada perodo


Demanda (em 1000 unidades por perodo) Perodo (Trimestre) Ano Ano 1 Ano2 Ano3 1 12,6 14,1 15,3 2 8,6 10,3 10,6 3 6,3 7,5 8,1 4 17,5 18,2 19,6 Total 45,0 50,1 53,6

Total

42,0

29,5

21,9

55,3

148,7

Ajustamento sazonal de tendncias lineares


Etapa 2

Clculo do coeficiente de sazonalidade em cada perodo

Ajustamento sazonal de tendncias lineares


Etapa 3

Clculo dos valores de cada perodo do ano 4

Seleo do modelo de previso


Soma Acumulada dos Erros da Previso (SAE) Erro Quadrado Mdio (EQM)

Mdia da Soma dos Erros Absolutos (MSEA)


Ms 1 2 3 4 5 6 Valor real 200 240 270 230 280 210 Previso 225 220 290 250 270 250 Erro -25 20 -20 -20 10 EQ 625 400 400 400 100 Erro Ab 25 20 20 20 10

-40
-75 (SAE)

1600
3525/6 (EQM)

40
135/6 (MSEA)

Controle do modelo de previso


Sinal de Rastreamento (TS)

- 3 < TS < 3

Sinal de Trigg (TR)

0 < TR < 1

Exerccios
1) Uma linha de eletrodomsticos tem apresentado as vendas dos ltimos 7 meses conforme a tabela abaixo. Realizar a previso de vendas para os meses de agosto, setembro e outubro usando o modelo de ajustamento de uma reta.
Venda de Eletrodomsticos Ms Vendas Jan. 100 Fev. 110 Mar. 125 Abr. 135 Maio 140 Jun. 153 Jul. 167

Exerccios
2) Uma indstria est desenvolvendo uma anlise da relao preo de
venda x quantidade vendida visando determinar de maneira emprica qual o preo unitrio de venda do produto que forneceria a maior receita de venda. A indstria colocou seu produto a preos diferenciados em lojas diferentes, mas com o mesmo potencial de venda, e obteve os dados mdios abaixo. Em que valor a empresa deveria fixar o preo de seu produto para que tivesse a maior receita (preo unitrio x quantidade vendida)?
Resultado das Lojas Loja 1 2 3 4 5 6 Preo de Venda Unitrio 45 48 50 55 60 65 Quantidade vendida 1000 950 820 850 800 700

Exerccios
3) A fbrica de bicicletas resolveu investigar mais a fundo o mercado futuro e decidiu realizar a previso de vendas por meio do ajustamwnto de uma reta. Calcule a equao de reta para realizar a previso para os prximos 6 meses.
Ms D. 1 285 2 288 3 310 4 290 5 305 6 299 7 315 8 320 9 303 10 300

Exerccios
4) A associao de empresas de fertilizantes deseja elaborar uma previso de vendas para coloc-la disposio de seus associados a fim de que eles possam desenvolver melhores critrios de produo e de estoque de produtos. Os fertilizantes tm um comportamento de venda sazonal, e a associao coletou os dados de consumo dos ltimos 4 anos. Desenvolver o modelo de ajustamento sazonal e prever o consumo em cada trimestre do ano 6 sabendo que naquele ano devem ser consumidas 1.500.000 toneladas ao todo.
Consumo de Fertilizantes (1000 toneladas)

Trimestre
1 2 3 4

Ano 1
200 100 50 300

Ano 2
250 150 100 450

Ano 3
320 210 160 600

Ano 4
350 190 140 500

Ano 5
400 230 160 530

Total

650

950

1290

1180

1320

Exerccios
5) Para o exerccio das bicicletas (mdia mvel e ajustamento da reta), calcule e compare:

Soma Acumulada dos Erros da Previso (SAE) Erro Quadrado Mdio (EQM) Mdia da Soma dos Erros Absolutos (MSEA)

Diverso...
Uma empresa resolveu investigar mais profundamente o

mercado futuro e decidiu realizar a previso de vendas por meio do ajustamento de uma reta.

Calcule a equao da reta Realize a previso para os prximos 3 meses Calcule o coeficiente de correlao

X(Ms) 1 2 3 4 5 6 7 8 9 10 11

Y(unidade ) 1000 1100 1250 1300 1230 1280 1300 1320 1350 1400 1450

12

1460

Diverso
Uma empresa acumulou dados dos ltimos 12 meses de

venda de um produto qumico e deseja realizar a previso de vendas pelo ajustamento de reta. X(Ms) Y(unidade

Calcule a equao da reta Realize a previso para os prximos 3 meses Calcule o coeficiente de correlao

) Janeiro Fevereiro Maro Abril Maio Junho Julho Agosto Setembro Outubro Novembro 800 850 730 650 790 760 780 660 540 600 600

Dezembro

650

Diverso
Foram elaborados quatro modelos de previso de

vendas, e seus resultados esto apresentados abaixo. Determine os valores de SAE, EQM, DP e MSEA e avalie cada modelo de previso.
Valor real 102 107 110 120 130 132 Mdia mvel 73,10 78,30 83,50 88,20 93,70 99,90 Mdia ponderada 95,10 99,70 104,60 108,30 115,70 125,00 Mdia exponencial 73,10 81,77 89,34 95,54 102,88 111,01 Regresso Linear 101,87 107,10 112,33 117,56 122,79 128,02

Outros Mtodos de Projeo Contagem


o o o

Testes de Mercado

Pesquisas no Mercado Consumidor


Pesquisa no Mercado Industrial