Você está na página 1de 143

UNIVERSIDADE DE CAXIAS DO SUL

PROGRAMA DE PS-GRADUAO EM ADMINISTRAO PPGA


CURSO DE MESTRADO
MODELO INTEGRADO PARA PREVISO DE VENDAS COMO UMA
FERRAMENTA DE COMPETITIVIDADE: UM ESTUDO DE CASO EM
UMA EMPRESA DO SETOR TXTIL
GERALDO GIRARDI
Orient!"r: Pr"#$ Mri E%&'i C%r(") P*+D+
C,i- !" S.') /neir" !e 0112+
GERALDO GIRARDI
MODELO INTEGRADO PARA PREVISO DE VENDAS COMO UMA
FERRAMENTA DE COMPETITIVIDADE: UM ESTUDO DE CASO EM
UMA EMPRESA DO SETOR TXTIL
Dissertao de Mestrado apresentada ao Programa
de Ps-Graduao em Administrao da
Universidade de Caxias do Sul como requisito
parcial o!teno do grau de Mestre em
Administrao"
#rientadora$ Pro%& Maria 'm(lia Camargo) P*"D"
C,i- !" S.') /neir" !e 0112+
GERALDO GIRARDI
MODELO INTEGRADO PARA PREVISO DE VENDAS COMO UMA
FERRAMENTA DE COMPETITIVIDADE: UM ESTUDO DE CASO EM
UMA EMPRESA DO SETOR TXTIL
Dissertao de Mestrado apresentada ao Programa
de Ps-Graduao em Administrao da
Universidade de Caxias do Sul como requisito
parcial o!teno do grau de Mestre em
Administrao"
C"n3eit" Fin': 4+
A5r"6! e% 14 !e /neir" !e 0112+
7ANCA EXAMINADORA:
+++++++++++++++++++++++++++++++++++++++++++++++++++++++
Pro%
a
" Dr
a
" Su,ana -eito .usso - U/S
+++++++++++++++++++++++++++++++++++++++++++++++++++++++
Pro%" Dr" Ademar Galelli 0 UCS
+++++++++++++++++++++++++++++++++++++++++++++++++++++++
Pro%" Dr" .e1naldo C*ile Palomino - UCS
Ao amor e compreenso da min*a esposa
2naiara e ao Pedro) nosso amado %il*o) que
ilumina nossas vidas com sua alegria"
AGRADECIMENTOS
Agradeo Universidade de Caxias do Sul e a
todos os pro%essores e %uncion3rios ligados ao
Programa de Ps-Graduao em
Administrao) pela reali,ao do curso que
possi!ilitou meu crescimento pessoal e
pro%issional"
4 min*a orientadora) pro%essora Maria 'm(lia
Camargo) pela grande contri!uio) pelo apoio
e pelos ensinamentos rece!idos"
A todos os meus colegas do curso) em especial
ao amigo 'sequiel 5erra de Mello"
Agradeo) tam!6m) empresa que me
possi!ilitou a reali,ao do estudo contido
neste tra!al*o"
Aos meus pais) Ant7nio e 5ogdana) pelo amor)
pela dedicao) orientao) %6 e pelo exemplo
de vida$ valores %undamentais na construo
de min*a personalidade"
Agradeo aos meus avs 8in memoriam9)
especialmente ao meu av7 Ant7nio Pap:e)
pelo carin*o) pela paci;ncia) ami,ade e pelo
est(mulo leitura"
4 min*a cun*ada Caia$ o!rigado pela a<uda na
%ormatao deste tra!al*o"
Ao meu querido %il*o Pedro$ muito o!rigado
pelas li=es de in%orm3tica que aprendi
contigo"


>A necessidade 6 a me da inveno"?
Taiichi Ohno
RESUMO
@o am!iente de negcios) o plane<amento das atividades organi,acionais aliado previso de
vendas) possi!ilita a otimi,ao dos recursos envolvidos na empresa" Assim) esta dissertao
teve como o!<etivo adequar modelos de previso de vendas de %orma a auxiliar o gestor na
tomada de decis=es) proporcionando maior competitividade para a empresa no mercado de
atuao" Para tanto) utili,ou-se a metodologia estat(stica para s6ries temporais) mais
especi%icamente os modelos 5ox A BenCins para a previso quantitativa" Para a previso
qualitativa) utili,ou-se o m6todo de <ulgamento de valor) ou se<a) a opinio dos respons3veis
pela previso de vendas da empresa" Com !ase nas previs=es o!tidas pelos dois m6todos)
encontraram-se modelos com!inados) utili,ando-se o volume de vendas dos principais
produtos produ,idos nos Dltimos cinco anos pelo setor de %a!ricao de tecidos de mal*a
%eitos em m3quinas circulares de uma empresa t;xtil" Atrav6s da an3lise dos %atores que
in%luenciam as vendas) reali,ada pelos respons3veis pelo plane<amento da empresa) %oram
calculados os modelos integrados" E3rios modelos de previso %oram avaliados) resultando
que os modelos integrados para a previso de vendas a curto pra,o) !aseados em modelos
quantitativos e in%orma=es qualitativas %oram aqueles que apresentaram maior acur3cia no
processo de previso"
P'6r--3*6e: PrevisoF CompetitividadeF Modelos 5ox A BenCinsF Modelo 2ntegrado"
A7STRACT
2n t*e !usiness setting) t*e planning o% t*e organi,ational activities along Git* t*e sales
%orecast ena!les t*e optimi,ation o% t*e resources involved in t*e compan1" H*e goal o% t*is
dissertation Gas to %it models o% sales %orecast to *elp t*e manager on t*e decision taCing
process seeCing %or t*e !iggest competitiveness in t*e compan1 and its competitors" /or t*at
purpose) t*is dissertation proposed t*e statistic met*odolog1 %or temporal series) more
speci%icall1 t*e 5ox A BenCins met*ods to quantitative met*od o% %orecast and planning tasC
specialist opinion o% t*ose responsi!le %or t*e sales %orecast o% t*e compan1 to qualitative
met*od" H*roug* t*e %orecast o% t*e !ot* met*ods) Ge c*ose com!ined models) using as
varia!les t*e volume o% sales o% main products produced !1 t*e department o% Cnitting clot*
manu%acturing on t*e circular mac*ines o% t*e compan1 in t*e last %ive 1ears" H*e integrated
models Gere calculated anal1,ing t*e sales in%luencing %actors reali,ed !1 t*e responsi!le %or
t*e planning o% t*e compan1" Man1 models o% sales %orecast Gere evaluated) resulting t*at t*e
integrated models to sales %orecast on a s*ort term) !ased on quantitative and qualitative
met*ods) *ad a !etter accurac1 in t*e %orecasting process"
8e9 :"r!-$ /orecastF CompetitivenessF 5ox A BenCins ModelsF 2ntegrated Model
SUM;RIO
RESUMO"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" <
A7STRACT"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" =
LISTA DE TA7ELAS""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" >1
LISTA DE FIGURAS"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" >>
LISTA DE ?UADROS"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" >4
LISTA DE A7REVIATURA E SIGLAS""""""""""""""""""""""""""""""""""""""""""""""""""""" >@
> INTRODUO""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ><
I"I 2D'@H2/2CAJK# D# P.#5-'MA D' P'SLU2SA"""""""""""""""""""""""""""""""""""""" IM
I"N #5B'H2E#S DA P'SLU2SA""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IM
I"O BUSH2/2CAH2EA ' .'-'EP@C2A D# H'MA""""""""""""""""""""""""""""""""""""""""""""""" IQ
I"R 'SH.UHU.A D# H.A5A-S#"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" NT
0 REFERENCIAL TERICO+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 0>
N"I C#MP'H2H2E2DAD'""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" NI
N"N G'SHK# DA D'MA@DA""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" NO
N"O P.'E2SK# D' E'@DAS"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" NR
N"R MUH#D#S D' P.'E2SK#""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" NQ
0+4+> MAt"!"- ?.'itti6"-++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 0B
N"R"I"I M6todo Delp*i""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" OT
N"R"I"N Pesquisa de Mercado"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" OT
N"R"I"O Analogia Sistrica""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" OI
N"R"I"R #pinio de 'xecutivos""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" OI
0+4+0 MAt"!"- ?.ntitti6"-++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ C0
N"R"N"I S6ries Hemporais"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ON
N"R"N"N Modelos de 5ox A BenCins """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" OV
2.4.2.2.1 Modelos Univariados de Box & Jenkins sem
interveno....................................
3
2.4.2.2.2 Modelos Univariados de Box & Jenkins com interveno................................... !4
2.4.2.2.3 "ta#as #ara a constr$o de $m modelo de #reviso Box & Jenkins.................. !%
0+4+C C"%DinEF" !e MAt"!"- !e Pre6i-F" M"!e'" C"%Din!"++++++++++++++++++++++++++++++++ <C
0+4+4 M"!e'" Inte(r!"++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ <4
0+4+@ Se'eEF" !" M"!e'" !e Pre6i-F"++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ <2
0+4+< C"ntr"'e !" M"!e'" !e Pre6i-F" Se'e3i"n!"+++++++++++++++++++++++++++++++++++++++++++++++++++++++++ =1
0+4+= C.-t" ! Pre6i-F"++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ =0
0+4+2 S&nte-e !" C5&t.'"++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ =C
C METODOLOGIA+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ =4
4 ESTUDO DE CASO+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ =2
R"I A@W-2S' LUA@H2HAH2EA"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""O VM
4+>+> SArie re5re-entti6 !- 6en!- !" 5r"!.t" A+++++++++++++++++++++++++++++++++++++++++++++++++++++++ =2
R"I"I"I Modelo sem interveno para as vendas do produto A"""""""""""""""""""""""""""""""""""""""""""" VQ
R"I"I"N Modelo com interveno para as vendas do produto A""""""""""""""""""""""""""""""""""""""""""" MO
R"I"I"O Previso para as vendas do produto A""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MR
4+>+0 SArie re5re-entti6 !- 6en!- !" 5r"!.t" 7+++++++++++++++++++++++++++++++++++++++++++++++++++++++ 24
R"I"N"I Modelo sem interveno para as vendas do produto 5"""""""""""""""""""""""""""""""""""""""""""" MX
R"I"N"N Modelo com interveno para as vendas do produto 5""""""""""""""""""""""""""""""""""""""""""" MV
R"I"N"O Previso para as vendas do produto 5""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MM
4+>+C SArie re5re-entti6 !- 6en!- !" 5r"!.t" C+++++++++++++++++++++++++++++++++++++++++++++++++++++++ 2B
R"I"O"I Modelo sem interveno para as vendas do produto C"""""""""""""""""""""""""""""""""""""""""""" QT
R"I"O"N Modelo com interveno para as vendas do produto C""""""""""""""""""""""""""""""""""""""""""" QO
R"I"O"O Previso para as vendas do produto C""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" QX
4+>+4 SArie re5re-entti6 !- 6en!- !" 5r"!.t" D+++++++++++++++++++++++++++++++++++++++++++++++++++++++ B@
R"I"R"I Modelo sem interveno para as vendas do produto D"""""""""""""""""""""""""""""""""""""""""""" QV
R"I"R"N Modelo com interveno para as vendas do produto D""""""""""""""""""""""""""""""""""""""""""" QQ
R"I"R"O Previso para as vendas do produto D""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITT
4+>+@ SArie re5re-entti6 !- 6en!- !" 5r"!.t" E+++++++++++++++++++++++++++++++++++++++++++++++++++++++ >1>
R"I"X"I Modelo sem interveno para as vendas do produto '"""""""""""""""""""""""""""""""""""""""""""" ITO
R"I"X"N Modelo com interveno para as vendas do produto '"""""""""""""""""""""""""""""""""""""""""""" ITY
R"I"X"O Previso para as vendas do produto '"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITV
4+>+< SArie re5re-entti6 !- 6en!- !" 5r"!.t" G+++++++++++++++++++++++++++++++++++++++++++++++++++++++ >1=
R"I"Y"I Modelo sem interveno para as vendas do produto S"""""""""""""""""""""""""""""""""""""""""""" IIN
R"I"Y"N Modelo com interveno para as vendas do produto S""""""""""""""""""""""""""""""""""""""""""" IIO
R"I"Y"O Previso para as vendas do produto S""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIR
4+>+= SArie re5re-entti6 !- 6en!- !" 5r"!.t" M++++++++++++++++++++++++++++++++++++++++++++++++++++++ >>@
R"I"V"I Modelo sem interveno para as vendas do produto M""""""""""""""""""""""""""""""""""""""""""" IIV
R"I"V"N Modelo com interveno para as vendas do produto M"""""""""""""""""""""""""""""""""""""""""" IIM
R"I"V"O Previso para as vendas do produto M""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIQ
R"N A@W-2S' LUA-2HAH2EA"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
INT
R"O M#D'-#S C#M52@AD#S"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" INN
R"R M#D'-#S 2@H'G.AD#S"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
INR
R"X .'SU-HAD#S /2@A2S""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" INX
@ CONSIDERAHES FINAIS+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
>C1
X"I H.A5A-S#S /UHU.#S""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
>CC
REFERNCIAS+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
>C4
LISTA DE TA7ELAS
Ha!ela I$ Medidas descritivas do produto A""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" VQ
Ha!ela N$ Medidas descritivas do produto 5"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MX
Ha!ela O$ Medidas descritivas do produto C"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MQ
Ha!ela R$ Medidas descritivas do produto D""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" QY
Ha!ela X$ Medidas descritivas do produto '"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITI
Ha!ela Y$ Medidas descritivas do produto S""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITM
Ha!ela V$ Medidas descritivas do produto M""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIX
LISTA DE FIGURAS
/igura I$ Sistema gen6rico de previso de vendas""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" NX
/igura N$ .elao do sistema de previso com as 3reas da empresa e o mercado"""""""""""""""" NM
/igura O$ '%eito da tend;ncia em s6ries temporais""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" OR
/igura R$ '%eito da sa,onalidade em s6ries temporais""""""""""""""""""""""""""""""""""""""""""""""""""""""""" OX
/igura X$ '%eito da componente c(clica em s6ries temporais""""""""""""""""""""""""""""""""""""""""""""""" OX
/igura Y$ Processo estoc3stico e s6rie temporal""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" OY
/igura V$ .epresentao terica de um modelo A.2MA 8p)d)q9""""""""""""""""""""""""""""""""""""""""" RI
/igura M$ Gr3%icos do modelo A. 8I9"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" RM
/igura Q$ Gr3%icos do modelo A. 8N9"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" RQ
/igura IT$ Gr3%icos do modelo MA 8I9""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" XT
/igura II$ Gr3%icos do modelo MA 8N9""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" XI
/igura IN$ Gr3%icos do modelo A.MA 8I)I9"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" XN
/igura IO$ /luxograma do ciclo iterativo de 5ox A BenCins""""""""""""""""""""""""""""""""""""""""""""""" YN
/igura IR$ .elao entre a acur3cia do m6todo e o custo da previso""""""""""""""""""""""""""""""""" VO
/igura IX$ Comportamento da s6rie original do volume de vendas 8Zg9 do produto A"""""" MT
/igura IY$ Coe%icientes da %uno de autocorrelao da s6rie de vendas do produto A 0
modelo sem interveno"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MI
/igura IV$ Coe%icientes da %uno de autocorrelao parcial da s6rie de vendas do
produto A 0 modelo sem interveno"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MI
/igura IM$ Coe%icientes da %uno de autocorrelao dos res(duos do produto A 0 modelo
sem interveno""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MN
/igura IQ$ Coe%icientes da %uno de autocorrelao dos res(duos do produto A 0 modelo
com interveno""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MO
/igura NT$ Comportamento da s6rie original do volume de vendas 8Zg9 do produto 5""""""" MX
/igura NI$ Coe%icientes da %uno de autocorrelao da s6rie de vendas do produto 5 0
modelo sem interveno"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MY
/igura NN$ Coe%icientes da %uno de autocorrelao parcial da s6rie de vendas do
produto 5 0 modelo sem interveno"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MY
/igura NO$ Coe%icientes da %uno de autocorrelao dos res(duos do produto 5 0 modelo
sem interveno""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MV
/igura NR$ Coe%icientes da %uno de autocorrelao dos res(duos do produto 5 0 modelo
com interveno""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" MM
/igura NX$ Comportamento da s6rie original do volume mensal de vendas 8Zg9 do
produto C"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" QT
/igura NY$ Comportamento da s6rie trans%ormada 8rai, quadrada9 do volume mensal de
vendas 8Zg9 do produto C"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" QI
/igura NV$ Coe%icientes da %uno de autocorrelao da s6rie de vendas do produto C""""""" QI
/igura NM$ Coe%icientes da %uno de autocorrelao parcial da s6rie de vendas do
produto C"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" QN
/igura NQ$ Coe%icientes da %uno de autocorrelao da s6rie de res(duos do produto C 0
modelo sem interveno""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" QO
/igura OT$ Coe%icientes da %uno de autocorrelao dos res(duos do modelo SA.2MA
8I)T)T9x8N)T)T9 com interveno das vendas do produto C""""""""""""""""""""""""""""""""" QR
/igura OI$ Comportamento da s6rie original do volume mensal de vendas do produto D""" QY
/igura ON$ Coe%icientes da %uno de autocorrelao da s6rie de vendas do produto D"""""" QV
/igura OO$ Coe%icientes da %uno de autocorrelao parcial da s6rie de vendas do
produto D"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" QV
/igura OR$ Coe%icientes da %uno de autocorrelao da s6rie de res(duos do produto D 0
modelo sem interveno""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" QM
/igura OX$ Coe%icientes da %uno de autocorrelao da s6rie de res(duos do produto D 0
modelo com interveno""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITT
/igura OY$ Comportamento da s6rie original do volume mensal de vendas do produto '""" ITI
/igura OV$ Coe%icientes da %uno de autocorrelao da s6rie de vendas do produto '""""""" ITN
/igura OM$ Coe%icientes da %uno de autocorrelao parcial da s6rie de vendas do
produto '""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITN
/igura OQ$ Comportamento da s6rie trans%ormada do volume de vendas do produto '""""""" ITO
/igura RT$ Coe%icientes da %uno de autocorrelao da s6rie trans%ormada do produto '"" ITR
/igura RI$ Coe%icientes da %uno de autocorrelao parcial da s6rie trans%ormada do
produto ' 0 modelo sem interveno""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITR
/igura RN$ Coe%icientes da %uno de autocorrelao da s6rie de res(duos do produto ' 0
modelo sem interveno""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITX
/igura RO$ Coe%icientes da %uno de autocorrelao da s6rie de res(duos do produto ' 0
modelo com interveno""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITY
/igura RR$ Comportamento da s6rie original do volume de vendas do produto S""""""""""""""" ITM
/igura RX$ Coe%icientes da %uno de autocorrelao da s6rie de vendas do produto S"""""" ITQ
/igura RY$ Coe%icientes da %uno de autocorrelao parcial da s6rie de vendas do
produto S"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITQ
/igura RV$ Comportamento da s6rie trans%ormada 8logaritmo9 do volume mensal de
vendas 8Zg9 do produto S""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIT
/igura RM$ Coe%icientes da %uno de autocorrelao da s6rie trans%ormada 8logaritmo9
do produto S""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIT
/igura RQ$ Coe%icientes da s6rie trans%ormada 8logaritmo e di%erena9 do volume mensal
de vendas 8Zg9 do produto S"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" III
/igura XT$ Coe%icientes da %uno de autocorrelao da s6rie trans%ormada 8logaritmo e
di%erena9 para o produto S"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" III
/igura XI$ Coe%icientes da %uno de autocorrelao parcial da s6rie trans%ormada
8logaritmo e di%erena9 do produto S""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIN
/igura XN$ Coe%icientes da %uno de autocorrelao da s6rie dos res(duos do produto
S""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIO
/igura XO$ Coe%icientes da %uno de autocorrelao da s6rie de res(duos do produto S-
modelo sem interveno""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIR
/igura XR$ Comportamento da s6rie original do volume de vendas do produto M"""""""""""""" IIY
/igura XX$ Coe%icientes da %uno de autocorrelao da s6rie de vendas do produto M"""""" IIY
/igura XY$ Coe%icientes da %uno de autocorrelao parcial da s6rie de vendas do
produto M""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIV
/igura XV$ Coe%icientes de autocorrelao dos res(duos do produto M 0 modelo sem
interveno"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIM
/igura XM$ Coe%icientes de autocorrelao da s6rie de res(duos do produto M 0 modelo
com interveno"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIQ
LISTA DE ?UADROS
Luadro I$ Caracter(sticas das /AC[s e /ACP[s dos modelos A.) MA e A.MA""""""""""" RV
Luadro N$ Caracter(sticas dos processos MA 8I9 e MA8N9"""""""""""""""""""""""""""""""""""""""""""""" XT
Luadro O$ Comparao do M6todo de 5ox A BenCins com e sem 2nterveno com os
Ealores Previstos pela 'mpresa e as vendas reais do produto A atrav6s do
MAP'""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""


MR
Luadro R$ Comparao do M6todo de 5ox A BenCins com e sem 2nterveno com os
Ealores Previstos pela 'mpresa para as vendas do produto 5"""""""""""""""""""""""

MQ
Luadro X$ Comparao do M6todo de 5ox A BenCins com e sem 2nterveno com os
Ealores Previstos pela 'mpresa e as vendas reais do produto C atrav6s do
MAP'""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""


QX
Luadro Y$ Comparao do M6todo de 5ox A BenCins com e sem 2nterveno com os
Ealores Previstos pela 'mpresa e as vendas reais do produto D atrav6s do
MAP'"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITT
Luadro V$ Comparao do M6todo de 5ox A BenCins com e sem 2nterveno com os
Ealores Previstos pela 'mpresa e as vendas reais do produto ' atrav6s do
MAP'"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ITV
Luadro M$ Comparao do M6todo de 5ox A BenCins com e sem 2nterveno com os
Ealores Previstos pela 'mpresa e as vendas reais do produto S atrav6s do
MAP'"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIR
Luadro Q$ Comparao do M6todo de 5ox A BenCins com e sem 2nterveno com os
Ealores Previstos pela 'mpresa e as vendas reais do produto M atrav6s do
MAP'"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IIQ
Luadro IT$ Previso da empresa quanto s vendas dos principais produtos""""""""""""""""""""" INT
Luadro II$ An3lise Lualitativa da previso de vendas da empresa"""""""""""""""""""""""""""""""""" INI
Luadro IN$ C3lculo do Modelo 2ntegrado""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" INR
Luadro IO$ Comparao dos M6todos de Previso de Eendas do produto A atrav6s do
MAP'""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" INY
Luadro IR$ Comparao dos M6todos de Previso de Eendas do produto C atrav6s do
MAP'""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" INV
Luadro IX$ Comparao dos M6todos de Previso de Eendas do produto D atrav6s do
MAP'""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" INV
Luadro IY$ Comparao dos M6todos de Previso de Eendas do produto ' atrav6s do
MAP'""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" INV
Luadro IV$ Comparao dos M6todos de Previso de Eendas do produto S atrav6s do
MAP'""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" INM
Luadro IM$ Comparao dos M6todos de Previso de Eendas do produto M atrav6s do
MAP'"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" INM
Luadro IQ$ Comparao da Acur3cia entre os Modelos de Previso de Eendas para os
produtos analisados""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
INM
LISTA DE A7REVIATURAS E SIGLAS
A2C Crit6rio de 2n%ormao de ACaiCe
A. Parcela auto-regressiva do modelo A.2MA
A.MA Modelo auto-regressivo e de m6dia mvel
A.2MA Modelo auto-regressivo) integrado e de m6dia mvel
52C Crit6rio de 2n%ormao 5a1esiano ou de Sc*Gar,
C Componente C(clica de uma s6rie temporal
DAM Desvio A!soluto M6dio
DP Desvio-Padro
'LM 'rro Luadr3tico M6dio
/AC /uno de Autocorrelao do modelo 5ox A BenCins
/ACP /uno de Autocorrelao Parcial do modelo 5ox A BenCins
2 Parcela de integrao do modelo A.2MA
MA Parcela de m6dia mvel do modelo A.2MA
MAP' 'rro M6dio Percentual A!soluto
PPCP Sistema de Plane<amento) Programao e Controle da Produo
.
N
Coe%iciente de Determinao
S Componente da Sa,onalidade de uma s6rie temporal
SA Sinal de Acompan*amento
SA' Soma Acumulada dos 'rros de Previso
H Componente da tend;ncia de uma s6rie temporal
H. Sinal Hrigg
> INTRODUO
Com o crescente n(vel de competitividade no mercado glo!ali,ado) pode-se a%irmar
que o plane<amento das atividades) na !usca da otimi,ao dos recursos aplicados em uma
empresa) 6 um dos principais o!<etivos dos gestores" A previso) principalmente com os
avanos da tecnologia em so&t'ares) apresenta-se como uma %erramenta capa, de prever as
necessidades %uturas do mercado) tornando as decis=es mais e%ica,es" 'sta orientao
perpassa toda a organi,ao) in%luenciando as 3reas de manu%atura) de %inanas) de marCeting
e de recursos *umanos 8C#..\AF G2A@'S2F CA#@) NTTIF S-ACZF CSAM5'.SF
B#S@SH#@) NTTN9"
'm um am!iente de negcios) com mudanas constantes e cada ve, mais r3pidas) os
m6todos de previso t;m a<udado na orientao quanto ao direcionamento %uturo de vari3veis
que in%luenciam os plane<amentos de curto) m6dio e longo pra,o" Uma correta orientao
aumentar3 as c*ances de o!ter !ons resultados que contri!uiro para o crescimento da
organi,ao 8G'#.G#//F MU.D2CZ) IQMY9"
Previs=es de %uturo so indispens3veis para o plane<amento e %ormulao de
estrat6gias das empresas" @este sentido) (orecastin) ou previso de vendas permite veri%icar
tend;ncias %uturas que podero impactar na organi,ao" A integrao entre &orecastin) e o
processo de plane<amento aumenta a possi!ilidade da empresa adaptar-se s oportunidades e
aos riscos do mercado) aumentando a pro!a!ilidade de sucesso da organi,ao
8MAZ.2DAZ2S) IQQY9"
A previso de vendas 6 importante para que todas as atividades necess3rias ao
processo industrial se<am adequadamente programadas" Apesar de as previs=es serem
importantes e Dteis para o plane<amento das atividades) elas apresentam erros em suas
estimativas" Dessa %orma) deve-se ter muito cuidado na escol*a do modelo de previso com o
o!<etivo de minimi,ar os erros 8MA.H2@SF -AUG'@2) NTTY9"
As incerte,as das previs=es e os erros correspondentes prov;m de duas %ontes$ a
primeira re%ere-se ao mercado) que geralmente apresenta insta!ilidade e) portanto) !aixa
previsi!ilidade) e a segunda corresponde e%ic3cia do sistema de previso de vendas) que se
!aseia nas in%orma=es coletadas no mercado e em dados *istricos da empresa) !uscando
antecipar as necessidades dos clientes 8C#..\AF G2A@'S2F CA#@) NTTI9"
IY
A previso de vendas %ornece in%orma=es aos gerentes) permitindo mel*orar a
e%ic3cia na tomada de decis=es" Mesmo com os erros associados a esse processo) torna-se
importante para o gerente esta!elecer uma pr3tica de reviso %req]ente dessas previs=es)
!uscando escol*er a metodologia que mel*ore a acur3cia dos resultados) dentro de um custo
aceit3vel 8DAE2SF ALU2-A@#F CSAS') NTTI9"
S3 diversas %ormas de classi%icar os modelos e t6cnicas de previso" Uma das
classi%ica=es divide a t6cnica em$
a9 su!<etivas e o!<etivasF
!9 no causais e causais"
As t6cnicas su!<etivas de previso esto !aseadas na experi;ncia e na intuio dos
indiv(duos" As t6cnicas o!<etivas so aquelas que t;m procedimentos especi%icados e
sistem3ticos" As t6cnicas no causais so aquelas que utili,am valores *istricos para predi,er
seus valores %uturos) como as s6ries temporais" As t6cnicas causais procuram %a,er previs=es
com !ase em uma relao de causa e e%eito 8S-ACZF CSAM5'.SF B#S@SH#@) NTTN9"
@esta dissertao) %oi constru(do um modelo de previso de vendas) atrav6s do qual
determinam-se os n(veis de produo) de %orma a otimi,ar os recursos dispon(veis na empresa
para aumentar a sua competitividade no mercado" Segundo Samo*1l 8NTTY9) a deciso do
gestor de %ixar os n(veis de produo 6 o resultado de uma previso de vendas) a qual dever3
ser a mais per%eita poss(vel) pois muitos pro!lemas organi,acionais resultam de pro<e=es
imper%eitas" 'rrar uma previso de vendas) para mais ou para menos) demonstra que o
pro%issional de vendas no tem o su%iciente controle do negcio) al6m de gerar pre<u(,os para
a empresa) como o excesso de estoque ou) por outro lado) a %alta de produtos e a conseq]ente
perda de %aturamento) al6m da queda no n(vel de atendimento ao cliente"
#s dados a serem analisados re%erem-se ao volume de vendas mensais dos principais
produtos do setor analisado) no per(odo de <aneiro de NTTN a de,em!ro de NTTY" #ptou-se por
analisar o total das vendas devido estrat6gia competitiva da empresa em atender) de %orma
r3pida) os pedidos dos clientes" Assim) a empresa mant6m estoque de produtos semi-
ela!orados para sustentar esse di%erencial competitivo implicando a adequao da 3rea de
produo em manter o n(vel de estoque desses produtos semi-ela!orados) com o o!<etivo de
atingir um !om n(vel de atendimento ao cliente"
IV
I"I 2D'@H2/2CAJK# D# P.#5-'MA D' P'SLU2SA
Atualmente) os respons3veis pelo plane<amento da empresa) o gestor do plane<amento
e do controle da produo e o respons3vel pela 3rea comercial utili,am apenas a experi;ncia e
alguns dados dos vendedores quanto a pedidos con%irmados ou perspectivas de vendas" # que
pode ser %eito) a %im de mel*orar as previs=es da empresa^ Assim) este tra!al*o !uscou
encontrar) atrav6s da com!inao de previs=es !aseada em m6todos quantitativos e
qualitativos) um modelo que representasse o comportamento dos dados re%erentes s vendas
dos principais produtos do setor de %a!ricao de tecidos de mal*a) %eitos em m3quinas
circulares da empresa t;xtil analisada) apresentando) assim) uma %erramenta para pro<etar o
%uturo a curto pra,o" A modelagem quantitativa e qualitativa do comportamento da demanda
permite) de %orma geral) previs=es mais a<ustadas quando comparadas com as previs=es
!aseadas unicamente na experi;ncia do gestor" Atrav6s dessa %erramenta) o gestor poder3
otimi,ar os estoques de mat6ria-prima e materiais de consumo) utili,ar de %orma e%iciente a
capacidade das m3quinas com a reduo das trocas 8set*$#9) prever altera=es na demanda e
sua in%lu;ncia nas necessidades de pessoal) tornando a gesto da organi,ao mais e%ica,"
I"N #5B'H2E#S DA P'SLU2SA
OD/eti6" Ger': Adequar um modelo de previso de vendas a %im de auxiliar o gestor na
tomada de decis=es) na !usca da otimi,ao dos recursos dispon(veis na empresa) como %orma
de aumentar a competitividade da organi,ao) aproveitando as oportunidades e minimi,ando
os riscos inerentes ao mercado de atuao"
OD/eti6"- E-5e3&#i3"-$ A partir do o!<etivo geral) a presente dissertao %oi estruturada em
o!<etivos espec(%icos a seguir$
a9 Selecionar os principais produtos a serem analisadosF
!9 #!ter previs=es quantitativas) aplicando a metodologia de 5ox A BenCins aos principais
produtos) em termos de vendas) do setor de %a!ricao de tecidos de mal*a %eitos em
m3quinas circulares da empresaF
IM
c9 Selecionar o modelo de previso quantitativo mais adequadoF
d9 #!ter previs=es qualitativasF
e9 'ncontrar o modelo com!inado) !aseado na com!inao das previs=es quantitativas e
qualitativasF
%9 Construir o modelo integrado atrav6s das in%orma=es qualitativas re%erentes aos %atores
que in%luenciam as vendas na tica dos respons3veis pelo plane<amento da empresaF
g9 Comparar as previs=es o!tidas pelos m6todos aplicados com o m6todo qualitativo
atualmente utili,ado na empresa"
I"O BUSH2/2CAH2EA ' .'-'EP@C2A D# H'MA
# processo de glo!ali,ao tem pressionado as empresas a !uscarem maior
competitividade) como %orma de so!reviv;ncia no mercado) exigindo decis=es e%ica,es por
parte dos gestores" Dessa %orma) a previso de vendas possi!ilita o plane<amento das diversas
3reas da empresa) pois) mediante an3lise de dados passados ou *istricos) com!inados com a
opinio dos respons3veis pela previso de vendas da empresa) podem ser reali,adas previs=es
a curto pra,o) as quais %ornecem as in%orma=es necess3rias aos gerentes nas tomadas de
deciso" 'm!ora os erros este<am presentes nas estimativas) a metodologia utili,ada na
previso de demanda permite plane<ar de %orma mais precisa) se comparada ao plane<amento
!aseado unicamente na experi;ncia e na intuio do respons3vel pela atividade na empresa"
A previso de vendas 6 importante para a organi,ao) pois a%eta diretamente todas as
3reas da empresa" @o marCeting) ela contri!ui para um maior n(vel de atendimento ao cliente"
A partir da previso de vendas) 6 reali,ada a compra de mat6rias-primas e materiais pela 3rea
de log(stica" A !usca pela otimi,ao dos estoques a%eta a 3rea %inanceira) com o o!<etivo de
redu,ir o ativo imo!ili,ado" @a 3rea de produo) com uma estimativa de vendas %uturas) 6
poss(vel redu,ir o nDmero de set*$#s) gan*ando produtividade e competitividade"
'ste estudo) desenvolvido por meio de um modelo apropriado de previso de vendas)
permitir3 ao gestor da empresa atuali,ar as in%orma=es decorrentes de altera=es do mercado)
sustentar as tomadas de deciso pelo uso da %erramenta de previs=es e plane<ar a=es nas
diversas 3reas a%etadas) com o o!<etivo de otimi,ar recursos e atender aos clientes)
IQ
mel*orando a competitividade da empresa no mercado" Atualmente) a empresa no utili,a
nen*um m6todo quantitativo de previso de vendas"
I"R 'SH.UHU.A D# H.A5A-S#
'ste tra!al*o est3 dividido em quatro cap(tulos" # cap(tulo I apresenta a introduo) a
identi%icao do pro!lema de pesquisa) o o!<etivo geral) os o!<etivos espec(%icos) a
<usti%icativa e a relev_ncia do tema"
@a seq];ncia) o cap(tulo N a!orda o re%erencial terico que sustenta a pesquisa) atrav6s
de uma reviso da literatura relativa aos assuntos tratados" .essaltam-se a conceituao e a
import_ncia da Competitividade) da Gesto da Demanda) da Previso de Eendas e)
%inalmente) dos M6todos de Previso" 'ste Dltimo tpico %oi o mais apro%undado no tra!al*o)
devido import_ncia do tema na pesquisa"
# Cap(tulo O apresenta a metodologia utili,ada neste estudo de caso) sendo um
tra!al*o caracteri,ado como uma pesquisa aplicada) pois d3 ;n%ase soluo de pro!lemas
concretos mediante o emprego de procedimentos cient(%icos"
# Cap(tulo R descreve a an3lise dos dados de vendas dos principais produtos do setor
de %a!ricao de mal*as por meio de m3quinas circulares dos Dltimos cinco anos) analisando e
aplicando diversos m6todos de previso de %orma a o!ter um modelo de previso satis%atrio"
A partir desses modelos) podem-se comparar os resultados o!tidos pela modelagem escol*ida
com o m6todo atual de previso da empresa !aseado apenas na an3lise qualitativa) al6m de
propor o monitoramento dos erros de previso) de %orma a reestimar o modelo quando
necess3rio"
/inalmente) na concluso do tra!al*o so resgatados os principais resultados o!tidos
na pesquisa) rati%icando a import_ncia dos resultados alcanados) al6m de a!ordar as
limita=es do estudo e as oportunidades de aplicao desta pesquisa em tra!al*os %uturos"
NT
0 REFERENCIAL TERICO
@esse capitulo 6 apresentada a estrutura terica escol*ida para dar suporte ao
desenvolvimento desta dissertao"
N"I C#MP'H2H2E2DAD'
As mudanas econ7micas ocorridas nos Dltimos tempos) como o processo de
glo!ali,ao e o grande desenvolvimento tecnolgico) t;m %orado as organi,a=es
empresarias a adaptarem-se continuamente ao novo cen3rio) onde a competitividade da
empresa no mercado 6 uma %orma de so!reviv;ncia das organi,a=es" 'sta situao requer
especial ateno das empresas ao plane<amento adequado das atividades envolvidas no
processo de produo) a %im de mel*orar o %luxo e alocao de in%orma=es) materiais e
pessoas) e atender satis%atoriamente demanda pelos seus produtos e tornar-se competitiva"
Assim) com estas %req]entes mudanas que esto ocorrendo no mundo dos negcios) a
capacidade de competio das empresas se constitui em elemento %undamental na
determinao de seu desempen*o %uturo) %a,endo com que as mesmas reali,em %req]entes
reavalia=es das tend;ncias do mercado e necessitem de um con*ecimento apro%undado
respeito de seu posicionamento nesse mercado 8'UC-2D'S /2-S#) NTTR9"
Para `acCer e Cromatic 8IQVQ9 a %uno da previso de vendas 6 um %ator de
equil(!rio entre oportunidades mercadolgicas e a utili,ao de recursos) os quais
proporcionam lucratividade do negcio e) como conseq];ncia) maior competitividade no
mercado de atuao" Previs=es de vendas muito altas %aro com que a empresa utili,e muitos
recursos e) caso no %orem concreti,adas as previs=es) ocorrer3 queda na renta!ilidade da
empresa devido ao excesso de recursos utili,ados e no aproveitados) como 6 o caso dos
estoques" @o caso das previs=es serem !aixas) mas ocorrer um aumento de demanda no
mercado) a empresa ir3 perder %aturamento devido incapacidade de atender os pedidos dos
clientes) causando queda na competitividade"
Segundo /arina 8IQQQ9 e /erra, et al" 8IQQY9) a competitividade pode ser vista como
uma medida de desempen*o de uma empresa ou de um produto" @o entanto) este desempen*o
depende de rela=es sist;micas) <3 que as estrat6gias empresariais podem ser o!stadas por
gargalos de coordenao vertical ou de log(stica"
Para Zenned1 et al" 8IQQM9 o principal indicador de competitividade) nessa
contextuali,ao) estaria ligado participao de um produto ou %irma individual em um
determinado mercado" A utili,ao da participao do mercado 8Market +hare9 como medida
de competitividade 6 a contri!uio mais di%undida da economia neocl3ssica para os estudos
de competitividade"
/erra, et al" 8IQQY9 en%ocam a competitividade como e%ici;ncia das a=es estrat6gicas
adotadas pelos agentes econ7micos %ace s restri=es do am!iente organi,acional" Segundo
essa tica) existiria uma relao causal entre as estrat6gias adotadas pela %irma e o seu
desempen*o e%iciente) o que leva diretamente ao modelo terico da organi,ao industrial)
qual se<a) estrutura 0 conduta 0 desempen*o"
@este contexto) pode-se di,er que a competitividade 6 um conceito din_mico" Para
acompan*ar o complexo processo concorrencial) as empresas devem ter um ol*o no passado)
para %ortalecer os acertos e no repetir errosF os p6s %irmes no presente) para posicionar-se
com segurana diante da insta!ilidade do mercadoF e um ol*ar atento para o %uturo) para %a,er
os a<ustes que %orem necess3rios" @o que se re%ere s empresas) os %atores que determinam a
competitividade podem ser classi%icados em %atores sist;micos) %atores estruturais e internos
8S2-EA) NTTI9"
U no contexto dos %atores estruturais) os quais se re%erem ao mercado) que a previso
de demanda atua como um elemento determinante para o con*ecimento do potencial da
empresa no %uturo) identi%icando os seus gargalos e possi!ilitando um plane<amento mais
otimi,ado em relao s necessidades de produo"
A utili,ao de um sistema de previso preciso representa um %ator de
competitividade) pois isto proporciona empresa uma mel*or viso do mercado %uturo)
podendo) assim) articular-se de %orma mais e%iciente com seus clientes e manter uma posio
competitiva"
Hoda a empresa) para ser competitiva) deve) al6m de con*ecer o seu mercado) possuir
um !om plane<amento" Para isto deve ter uma !oa previso" A previso da demanda %ornece
in%orma=es %undamentais para o plane<amento) sendo a !ase para se desenvolver o
NN
plane<amento mestre da produo) o plane<amento da capacidade e o plane<amento de
estoques"
A tend;ncia atual 6 que a 3rea produtiva este<a cada ve, mais prxima dos clientes e
%ornecedores) rece!endo in%orma=es %undamentais do mercado no sentido de agregar valor
ao produto e) desta %orma) manter a vantagem competitiva da empresa no mercado) como) por
exemplo) a entrega r3pida dos produtos aos clientes" @o passado) a 3rea de produo
concentrava-se apenas na minimi,ao dos custos) assumindo um papel reativo) !em di%erente
do atual) quando a atuao da 3rea produtiva 6 pr-ativa) a qual !usca a maximi,ao do valor
agregado de !ens e servios o%erecidos pela organi,ao aos clientes 8DAE2SF ALU2-A@#F
CSAS') NTTIF CS.2SH#PS'.) NTTN9"
A c*ave para criar uma estrat6gia de produo e%ica, est3 em como agregar valor para
os clientes" As prioridades competitivas determinam a agregao de valor ao produto ou
servio) sustentando uma estrat6gia" As prioridades competitivas !3sicas so$ custo 8%ornecer
produtos de !aixo custo9) qualidade 8produtos de qualidade de %orma a satis%a,er o cliente9)
entrega 8%ornecer os produtos de %orma r3pida e com con%ia!ilidade da entrega9) %lexi!ilidade
8o%erecer ampla variedade de produtos a seus consumidores9 e servio 8como os produtos so
acompan*ados <unto aos clientes9" Assim) as empresas devem esta!elecer a vantagem
competitiva a ser atingida como %orma de concorrer no mercado 8SHA-Z) IQMMF SZ2@@'.)
IQYQ9"
N"N G'SHK# DA D'MA@DA
A gesto de demanda englo!a um con<unto de processos que %a,em a inter%ace da
empresa com o mercado consumidor" Dependendo do negcio) esses processos podem incluir
o cadastramento de pedidos) a previso de vendas) a promessa de entrega) o servio ao cliente
e a distri!uio %(sica" U %undamental para a administrao da produo que a in%ormao de
demanda este<a dispon(vel e se<a comunicada e%ica,mente) de modo que o plane<amento possa
ser %eito com a otimi,ao dos recursos 8S-ACZF CSAM5'.SF B#S@SH#@) NTTNF
5A--#U) NTTI9"
NO
A %uno gesto de demanda a!range cinco 3reas principais) destacando-se a previso
de demanda) a comunicao com o mercado) a in%lu;ncia so!re a demanda) a promessa de
pra,os de entrega) al6m da priori,ao e alocao dos pedidos 8C#..\AF G2A@'S2F CA#@)
NTTI9$
a9 Sa!ilidade para prever a demanda$ 6 importante que a empresa consiga antecipar a
demanda com alguma preciso" 2sso pode envolver a manuteno de uma !ase de
dados *istricos de vendas) assim como in%orma=es das varia=es ocorridas ao
longo do tempo" A empresa pode usar modelos matem3ticos adequados que
a<udem a explicar o comportamento da demandaF
!9 Canal de comunicao com o mercado$ os vendedores ou representantes t;m um
papel muito importante de tra,er in%orma=es dos clientes e do mercado para a
empresa) de %orma cont(nua e permanente) contri!uindo para a gesto da demandaF
c9 Poder de in%lu;ncia so!re a demanda$ al6m de prever o comportamento da
demanda) 6 %undamental que a empresa procure in%luenci3-lo) por meio de
propaganda ou por meio de promooF
d9 Sa!ilidade de prometer pra,os$ a garantia do desempen*o na con%ia!ilidade de
entregas 6 responsa!ilidade de quem %a, a gesto de demandaF
e9 Sa!ilidade de priori,ao e alocao$ o atendimento dos pedidos reali,ados pelos
clientes 6 o principal o!<etivo da gesto de demanda"
A gesto de demanda alimenta) com in%orma=es do mercado) a 3rea de plane<amento)
programao e controle da produo" Assim) a atividade do PPCP necessita de in%orma=es
corretas para incorpor3-las ao processo de plane<amento da produo" U %undamental que a
3rea comercial) geralmente o respons3vel pela previso de vendas) e a 3rea de plane<amento
tra!al*em integradas e coordenadas pelo gestor da organi,ao) que pode utili,ar os dados
*istricos de vendas) os quais alimentam um modelo matem3tico de previso) al6m das
valiosas in%orma=es do mercado 8C#..\AF G2A@'S2F CA#@) NTTIF E#--MA@@F
5'..aF `Sa5A.Z) IQQV9"
N"O P.'E2SK# D' E'@DAS
A previso de vendas 6 uma %orma de estimar a demanda %utura atrav6s da antecipao
do que os compradores provavelmente %aro em determinado con<unto de condi=es" A
previso de vendas %ornece uma estimativa da demanda dos produtos individuais) a qual)
NR
quando integrada ao plano agregado de produo) corresponde produo necess3ria para o
programa mestre de produo) e este gera para a empresa a quantidade e os dados dos
produtos %inais individuais" # processo de monitorar e de integrar estas in%orma=es 6
denominado gesto da demanda 8CAEA-S'2.#) NTTO9"
# sistema de previso de vendas 6 o con<unto de procedimentos de coleta) tratamento
e an3lise de in%orma=es que o!<etiva gerar uma estimativa de vendas %uturas" As principais
in%orma=es que devem ser analisadas pelo sistema de previso de vendas so 8C#..\AF
G2A@'S2F CA#@) NTTI9$
a9 Dados *istricos de vendasF
!9 2n%orma=es de clientes que possam indicar comportamentos de compra %uturosF
c9 2n%orma=es do mercadoF
d9 2n%orma=es so!re a situao econ7mica atual e previso %utura da con<untura
econ7micaF
e9 'strat6gia da empresa e seus desdo!ramentos na 3rea comercial"
A /igura I ilustra um sistema de previso de vendas$
Dados de Sistricos
de Eendas
Modelagem
matem3tica dos
dados de vendas
2n%orma=es do
mercado
2n%orma=es da
con<untura
econ7mica
2n%orma=es dos
clientes
Decis=es da 3rea
comercial em %uno
da estrat6gia da
empresa
Previso /inal de
Eendas
Fi(.r >: Si-te% (enAri3" !e 5re6i-F" !e 6en!-+
/onte$ Adaptado de Corr;a) Gianesi e Caon 8NTTI9) p" NRV"
NX
'sse modelo de previso de vendas inicia com um tratamento estat(stico) por meio de
s6ries temporais ou modelos causais dos dados *istricos de vendas" Podem-se analisar outras
vari3veis que a<udem a explicar o comportamento das vendas no passado" As demais
in%orma=es so!re o mercado) os clientes e a prpria situao econ7mica a%etam a previso de
vendas" Dessa %orma) utili,a-se o tratamento estat(stico) pacotes de %erramentas
computacionais que auxiliam a empresa no tratamento dos dados *istricos) aliado
percepo de mercado) para o!ter maior acur3cia da previso 8C#..\AF G2A@'S2F CA#@)
NTTIF /-'U.aF `A@Z'F /2GU'2.'D#) NTTO9" A atividade de reali,ar a previso de
vendas pode revelar tend;ncias de mercado e contri!uir com o plane<amento estrat6gico da
empresa) al6m de auxiliar na soluo de pro!lemas de curto pra,o 8`'.@'.F .25'2.#)
NTTO9"
#s modelos estat(sticos) por mais so%isticados que se<am) no conseguem considerar
toda a gama de %atores que in%luenciam o comportamento das vendas" As demais in%orma=es
so consideradas num processo posterior de an3lise) inclusive a in%lu;ncia da estrat6gia da
empresa na 3rea comercial" 'ssas vari3veis devem ser analisadas de %orma sistem3tica
8C#..\AF G2A@'S2F CA#@) NTTI9"
Muitas empresas recon*ecem a import_ncia da previso de vendas em todos os n(veis
e 3reas da organi,ao" @o n(vel estrat6gico) ela 6 uma in%ormao que auxilia no
plane<amento a longo pra,o" @as 3reas de %inanas e conta!ilidade) a previso de vendas
%ornece a !ase para o plane<amento orament3rio e o controle dos custos na empresa" A 3rea
da administrao da produo a utili,a para a tomada de deciso) envolvendo plane<amento de
capacidade) n(vel de estoque de insumos) paradas para manuteno e mel*orias de la,o$t
8DAE2SF ALU2-A@#F CSAS') NTTI9"
'm!ora as previs=es de demanda possam %ornecer in%orma=es aos gestores)
permitindo que eles se<am e%ica,es na execuo de suas atividades) 6 importante recon*ecer
que as previs=es no so per%eitas) pois muitos %atores no podem ser previstos e controlados
com segurana" Horna-se %undamental uma reviso peridica das previs=es e a !usca pelo
mel*or m6todo de previso dentro de um custo ra,o3vel) ou se<a) a relao custo-!ene%(cio
entre o gasto com o modelo de previso e a acur3cia dos resultados deve ser avaliada
8DAE2SF ALU2-A@#F CSAS') NTTI9"
A previso de vendas) quanto ao *ori,onte) pode ser dividida em 8C#..\AF
G2A@'S2F CA#@) NTTI9$
NY
a9 curto pra,o$ para previs=es de at6 quatro meses aproximadamente) utili,ando a
*iptese de que o %uturo se<a uma continuao do passadoF
!9 m6dio pra,o$ !aseia-se na *iptese de que as rela=es existentes no passado entre
as vendas e outras vari3veis) continuam a valer no %uturoF
c9 longo pra,o$ ocorre quando o *ori,onte aumenta v3rios anos) cu<a *iptese 6 que o
%uturo no guarda uma relao direta com o passado) pelo menos no uma relao
de modelagem matem3tica) devido) principalmente) aos avanos tecnolgicos" A
previso pode ocorrer pela opinio de especialistas ou por modelos econom6tricos)
que descrevem) mediante um con<unto de equa=es de regresso) as rela=es de
causa-e%eito entre as vari3veis"
Al6m de seguir os passos do sistema de previso de vendas e adotar o modelo de
previso adequado ao *ori,onte de previso dese<ado) existem outros requisitos para alcanar
uma !oa previso) dentre os quais destacam-se 8C#..\AF G2A@'S2F CA#@) NTTI9$
a9 Con*ecer os mercados) suas necessidades e comportamentos$ 6 importante
segmentar o mercado e agrupar os clientes) segundo suas necessidades e
comportamentos) mapeando os clientes de acordo com o segmento de mercado e o
tipo de produto consumidoF
!9 Con*ecer os produtos e seus usos$ essas in%orma=es a<udam a entender os dados
num6ricos de vendas) auxiliando na !usca das causas dessas varia=esF
c9 Sa!er analisar os dados *istricos$ um dos pontos principais a serem analisados 6
veri%icar se os dados de vendas so re%erentes s quantidades e ao momento em
que o cliente gostaria de rece!er o produto e no s quantidades e datas e%etivas de
entrega) ou se<a) os dados de venda devem re%letir a vontade do cliente e no a
disponi!ilidade da empresa em atender ao pedidoF
d9 Con*ecer a concorr;ncia e seu comportamento$ monitorar a concorr;ncia com
relao pol(tica de preos) s promo=es) aos lanamentos de novos produtos)
prestao de servio e s demais vari3veis que a%etam o comportamento dos
clientesF
e9 Con*ecer as a=es da empresa que a%etam a demanda$ veri%icar as a=es da 3rea
comercial da empresa que a%etam o comportamento das vendasF
NV
%9 Documentar todas as *ipteses %eitas na ela!orao da previso$ uma !oa previso
deve incluir a reviso) o entendimento e a documentao de *ipteses so!re os
diversos aspectos que a%etam o comportamento de vendasF
g9 Hra!al*ar com %atos e no apenas com opini=es$ as opini=es) os sentimentos e as
intui=es so importantes) mas um tra!al*o mais consistente) !aseado tam!6m) em
%atos) %a, parte da ela!orao de uma !oa previsoF
*9 Articular os diversos setores para ela!orao da previso$ o respons3vel pela
previso de vendas deve coordenar o processo de integrao dos diversos setores
da empresa) de %orma a comprometer cada 3rea ou setor da organi,ao em torno
da previso de vendas"
A /igura N demonstra a import_ncia da previso de vendas para a organi,ao) pois a
sua in%lu;ncia ocorre diretamente em todas as 3reas da empresa" @o marCeting) ela contri!ui
para um maior n(vel de atendimento ao cliente" @a log(stica) a partir da previso) 6 reali,ada a
compra de mat6rias-primas e materiais" A otimi,ao dos estoques de mat6rias-primas a%eta a
3rea %inanceira) redu,indo o ativo imo!ili,ado e redu,indo o risco de o!solesc;ncia" @a 3rea
de produo) com uma estimativa de vendas %uturas) 6 poss(vel redu,ir o nDmero de set*$#s
de m3quinas) gan*ando produtividade e competitividade" A partir de um sistema de previso)
torna-se poss(vel preparar-se para os riscos inerentes atuao da empresa no mercado) assim
como aproveitar as oportunidades que surgem"
F
Fi(.r 0: Re'EF" !" -i-te% !e 5re6i-F" 3"% - Ire- ! e%5re- e " %er3!"+
/onte$ 'la!orado pelo autor"
NM
N"R MUH#D#S D' P.'E2SK#
# m6todo de previso de vendas que uma organi,ao pode adotar depende de v3rios
%atores) entre eles$ *ori,onte de previso 8curto) m6dio ou longo pra,o9) disponi!ilidade de
dados *istricos) preciso dese<ada) oramento dispon(vel e disponi!ilidade de pessoal
quali%icado para operacionali,ar o modelo 8DAE2SF ALU2-A@#F CSAS') NTTI9"
S3 diversas %ormas de classi%icar os m6todos e t6cnicas de previso) como por
exemplo) t6cnicas su!<etivas e o!<etivas) al6m de t6cnicas no causais e causais 8S-ACZF
CSAM5'.SF B#S@SH#@) NTTN9" #s diversos m6todos de previso de demanda podem ser
classi%icados em duas categorias principais$ os m6todos qualitativos e os m6todos
quantitativos 8DAE2SF ALU2-A@#F CSAS') NTTI9"
0+4+> MAt"!"- ?.'itti6"-
#s m6todos qualitativos tra!al*am com opini=es e sentimentos) sendo su!<etivos em
sua ess;ncia" So m6todos que se !aseiam no <ulgamento das pessoas que) de %orma direta ou
indireta) ten*am condi=es de opinar so!re as vendas %uturas" So Dteis quando da aus;ncia de
dados ou no lanamento de novos produtos" As pessoas com con*ecimento e experi;ncia no
assunto tratado emitem opini=es e <ulgamentos so!re eventos %uturos de interesse da empresa
8movimentos do com6rcio internacional) rumos da tecnologia) tend;ncias de novos produtos)
etc"9) que a%etam a previso de vendas 8M#.'2.A) NTTR9"
#s m6todos qualitativos so normalmente utili,ados quando os dados *istricos so
escassos ou inexistentes e o *ori,onte de previso 6 de m6dio a longo pra,o 8G'#.G#//F
MU.D2CZ) IQMY9" A utili,ao de m6todos estruturados no processo de previso su!<etiva
mel*ora signi%icativamente a acur3cia dos resultados alcanados pelo m6todo utili,ado na
previso 8A.MSH.#@G) IQMM9" 'sses m6todos se !aseiam em in%orma=es) estimativas)
opini=es e na intuio" Podem-se citar) como exemplo) os seguintes m6todos qualitativos$
M6todo Delp*i) Pesquisa de Mercado) Analogia Sistrica e #pini=es de 'xecutivos 8DAE2SF
ALU2-A@#F CSAS') NTTI9"
NQ
N"R"I"I M6todo Delp*i
# M6todo Delp*i consiste na reunio de um grupo de pessoas que det6m o
con*ecimento so!re um determinado assunto e que deve opinar a respeito dele) seguindo
regras determinadas para a coleta e a avaliao das opini=es" 'nvolve situa=es de longo
pra,o) cu<os dados so escassos ou inexistentes) ca!endo s pessoas do grupo) geralmente
especialistas no assunto a ser tratado) dar opini=es" Geralmente) 6 organi,ado um sum3rio
contendo as opini=es e !usca-se ta!ular as opini=es dando en%oque especial quelas
signi%icativamente divergentes" Aps) cada pessoa 6 questionada quanto manuteno de sua
posio inicial" # o!<etivo 6 atingir o consenso 8M#.'2.A) NTTR9"
# m6todo Delp*i tem sido utili,ado para prever cen3rios no %uturo) apresentando !ons
resultados na identi%icao de pontos de mudana 8DAE2SF ALU2-A@#F CSAS') NTTI9"
'ssa t6cnica 6 uma das diversas utili,adas para reunir opini=es e previs=es de um grupo de
especialistas" 'm geral) o m6todo utili,a question3rios a serem respondidos pelos
especialistas) em que as in%orma=es do grupo so reunidas) resumidas e apresentadas
anonimamente) como &eed-ack ao grupo" Cada mem!ro do grupo pode comparar sua previso
com as demais emitidas" Dessa %orma) a pessoa pode modi%icar) ou no) sua primeira previso"
'sse processo 6 repetido at6 atingir o consenso 8S-ACZF CSAM5'.SF B#S@SH#@) NTTN9"
# m6todo Delp*i parte do pressuposto de que o <ulgamento coletivo dos especialistas)
organi,ado adequadamente) 6 mais preciso que a opinio de uma Dnica pessoa) sendo muito
importante o crit6rio de seleo das pessoas 8`.2GSHF G2#E2@Ab#) NTTT9" As
caracter(sticas dessa t6cnica so procedimentos sistem3ticos e estruturados) para evitar
con%litos no grupo e a comunicao do coordenador do processo com os especialistas) atrav6s
de &eed-ack para o grupo) at6 alcanar um consenso 8P.'5-') IQMO9" A acur3cia do m6todo
aumenta medida que as sucessivas rodadas so reali,adas mediante &eed-ack aos
especialistas) tendo !oa preciso em *ori,ontes de m6dio e longo pra,os 8D2'Hb) IQMVF
G'#.G#//F MU.D2CZ) IQMY9"
N"R"I"N Pesquisa de Mercado
A lgica de !uscar a opinio dos consumidores deve-se ao %ato de eles determinarem a
demanda" # procedimento 6) quase sempre) reali,ado por amostragem para a determinao do
OT
nDmero de consumidores potenciais) sendo esse processo denominado pesquisa de mercado"
As pesquisas de mercado requerem con*ecimentos especiali,ados e um plane<amento !em
estruturado para serem con%i3veis 8M#.'2.A) NTTR9" 'm geral) question3rios so utili,ados
para o!ter os dados e in%orma=es so!re o comportamento antecipado do consumidor
8M#@ZS) IQMV9"
'sse m6todo tem como o!<etivo avaliar o comportamento dos consumidores de %orma
a estimar a demanda %utura) sustentando o processo de tomada de deciso do gestor 8SUHSF
'PP.2GSHF HAU5') IQQR9" @essa a!ordagem) toma-se como !ase que o consumidor possui
a mel*or in%ormao so!re a qual se pode !asear uma previso) pois 6 o seu prprio
comportamento que est3 sendo previsto" U preciso ter cuidado com a %orma como so
reali,adas as perguntas so!re a inteno de compra) para que no exista discrep_ncia entre o
que o consumidor gostaria de adquirir e o que ele) de %ato) tem condi=es de adquirir
8Z#H-'.) IQQM9"
N"R"I"O Analogia Sistrica
'sse m6todo relaciona a previso de demanda de um produto com a demanda de outro
produto similar" U !astante utili,ado no plane<amento de novos produtos) cu<a previso de
demanda do novo produto !aseia-se na tra<etria de um produto similar existente 8DAE2SF
ALU2-A@#F CSAS') NTTI9" # m6todo de previso por analogia *istrica ocorre pela
comparao com um produto id;ntico ou similar) introdu,ido previamente" Apia-se em
dados) mas o car3ter de su!<etividade permanece) pois a *iptese inicial 6 que exista
comparao do novo produto com um similar lanado anteriormente 8M#@ZS) IQMV9"
N"R"I"R #pini=es de 'xecutivos
'm geral) um grupo de altos executivos de diversas 3reas da organi,ao se reDne para
desenvolver) em con<unto) uma previso de longo pra,o) envolvendo aspectos do
plane<amento estrat6gico da empresa" A vantagem dessa t6cnica 6 reunir os diversos pontos de
OI
vistas so!re o assunto) podendo gerar uma mel*or qualidade e acur3cia da tomada de deciso"
A desvantagem 6 que) pela personalidade ou relao de poder esta!elecida) possa ocorrer uma
in%lu;ncia desproporcional so!re o grupo) distorcendo o resultado 8M#.'2.A) NTTR9" 'm
geral) os gerentes ou diretores das 3reas de produo) marCeting) log(stica e %inanas preparam
uma previso de demanda con<unta" @essa t6cnica) pode ocorrer uma viso pessoal so!re a
previso) causando) em geral) uma !aixa o!<etividade 8M#@ZS) IQMV9"
0+4+0 MAt"!"- ?.ntitti6"-
#s m6todos quantitativos so aqueles que utili,am modelos matem3ticos) com !ase na
estat(stica) para an3lise dos dados) como %orma de reali,ar a previso) permitindo que
di%erentes especialistas o!ten*am previs=es id;nticas 8M#.'2.A) NTTR9" 'sses m6todos so
o!<etivos e %undamentados) podendo tra!al*ar com grande volume de dados) mas possuem a
desvantagem de no prever mudanas estruturais e din_micas dos dados *istricos que
comp=em as s6ries temporais) o que di%iculta suas aplica=es 8CSAM5'.SF MU--2CZF
SM2HS) IQVI9" #s m6todos quantitativos podem ser divididos em dois grandes grupos$ s6ries
temporais e m6todos causais" @esta dissertao) em %uno dos seus o!<etivos) so a!ordados
os modelos de s6ries temporais"
N"R"N"I S6ries Hemporais
# modelo de s6ries temporais examina o padro do comportamento passado de um
%en7meno no tempo e utili,a a an3lise para prever o comportamento %uturo desse %en7meno)
ou se<a) analisa-se o *istrico de vendas de um produto) com o o!<etivo de prever a demanda
%utura) partindo do pressuposto de que o padro de comportamento o!servado no passado
%ornea in%orma=es adequadas para a previso de valores %uturos da demanda" A expresso
s6rie temporal indica apenas uma coleo de valores da demanda) tomados em instantes
espec(%icos de tempo) normalmente com igual intervalo 8M#.'2.A) NTTRF S-ACZF
CSAM5'.SF B#S@SH#@) NTTN9"
ON
A an3lise de s6ries temporais parte do pressuposto de que a tend;ncia que gerou a
demanda no passado continuar3 gerando a demanda no %uturo" A an3lise de s6ries temporais 6
geralmente utili,ada em situa=es de curto pra,o) pois se ocorrerem altera=es no am!iente
externo) onde as vendas se reali,am) elas iro a%etar a preciso da previso 8DAE2SF
ALU2-A@#F CSAS') NTTIF /-'U.aF `A@Z'F /2GU'2.'D#) NTTO9"
A previso de uma s6rie temporal 6 o esta!elecimento dos valores %uturos da s6rie)
sendo uma previso estimativa acerca da verossimil*ana de eventos %uturos) !aseados na
in%ormao atual e *istrica 8S#UbAF CAMA.G#) NTTR9"
As s6ries temporais so um con<unto de o!serva=es ordenadas no tempo) !aseando-se
na id6ia de que a *istria dos acontecimentos) ao longo do tempo) pode ser usada para prever
o %uturo" @a an3lise da s6rie temporal) alguns o!<etivos so !3sicos$ modelagem matem3tica
do %en7meno) com !ase na estat(stica) o!teno de conclus=es e avaliao do modelo em
termos de preciso 8M#.'HH2@F H#-#2) IQMV9"
Dependendo dos o!<etivos da an3lise) v3rios pro!lemas com as o!serva=es podem
ocorrer) sendo necess3rio tomar algumas medidas para evit3-los ou ameni,3-los" Dessa %orma)
um dos primeiros cuidados na an3lise de uma s6rie temporal 6 o plane<amento amostral e a
preparao de dados" @este sentido o tratamento dos dados deve seguir os seguintes passos
8M#.'HH2@F H#-#2) IQMV9$
a9 Plane<amento$ o pesquisador deve determinar o nDmero de o!serva=es e o
intervalo de amostragem) plane<ando previamente a o!teno dos dadosF
!9 'stacionariedade$ uma s6rie temporal 6 estacion3ria quando se desenvolve no
tempo aleatoriamente ao redor de uma m6dia constante) re%letindo uma %orma de
equil(!rio est3vel" @a pr3tica) a maior parte das s6ries apresenta alguma %orma de
no-estacionariedade 8ex$ tend;ncias9F
c9 Hrans%ormao$ uma das ra,=es para trans%ormar os dados originais 6 a presena
de no-estacionariedade" A trans%ormao mais comum consiste em tomar
di%erenas sucessivas da s6rie original) at6 o!ter-se uma s6rie estacion3riaF
d9 #!serva=es Perdidas e 2rregulares$ mesmo que se ten*am o!serva=es em
instantes de tempos com igual espaamento) podem-se ter o!serva=es perdidas ou
irregulares" De acordo com a %req];ncia das mesmas) pode ser usada a
interpolao ou t6cnicas espec(%icas para o casoF
OO
e9 O$tliers$ so os valores a!errantes ou muito di%erentes da maioria das outras
o!serva=es" # importante 6 identi%icar as causas de tais o!serva=esF
%9 .egistros Curtos$ quando temos poucas o!serva=es) 6 importante ter cuidado com
a concluso e utili,ar t6cnicas apropriadas para a an3lise"
U importante salientar que a previso no constitui um %im em si mesma) mas 6 apenas
uma %orma de %ornecer in%orma=es para uma tomada de deciso mais e%ica,) visando atingir
determinados o!<etivos 8M#.'HH2@F H#-#2) IQMV9"
#s movimentos caracter(sticos de uma s6rie temporal podem ser o!servados em um
gr3%ico em que os valores da demanda so colocados no eixo das ordenadas 8vertical9 e o
tempo no eixo das a!scissas 8*ori,ontal9) permitindo distinguir quatro movimentos
caracter(sticos ou e%eitos de uma s6rie temporal 8M#.'2.A) NTTR9$
a9 Hend;ncia 8H9$ esse e%eito con%ere demanda uma propenso de crescer ou de
decrescer com o tempo) sendo identi%icada como um movimento persistente e a
longo pra,o em alguma direo 8crescente ou decrescente9 do gr3%ico 8DAE2SF
ALU2-A@#F CSAS') NTTI9" Hend;ncias tam!6m so con*ecidas como
movimentos de longo pra,o ou seculares) con%orme est3 indicado na /igura O pela
curva de tend;ncia" Para algumas s6ries temporais) essa curva pode ser uma reta de
tend;ncia 8SP2'G'-) IQQO9" Geralmente) as s6ries temporais apresentam um
movimento suave em %uno do tempo 8M#.'HH2@F H#-#2) IQMV9" A /igura O
mostra a curva de demanda de um produto em %uno do tempo) caracteri,ando a
tend;ncia de crescimento da demanda com o decorrer do tempo$
Fi(.r C: E#eit" ! ten!Jn3i e% -Arie- te%5"ri-+
/onte$ 'la!orado a partir de Spiegel 8IQQO9) p" RNV"
OR
!9 Eariao Sa,onal 8S9$ esse e%eito representa o %ato de que a demanda dos produtos
assume comportamentos semel*antes em 6pocas !em de%inidas no ano
8M#.'2.A) NTTR9" .e%ere-se a padr=es praticamente id;nticos a que uma s6rie
temporal parece o!edecer durante per(odos de%inidos" 'ssas varia=es sa,onais
tam!6m so c*amadas de varia=es estacionais) sendo que a periodicidade relativa
pode expressar qualquer intervalo de tempo in%erior a um ano) con%orme /igura R
8SP2'G'-) IQQOF M#.'HH2@F H#-#2) IQMV9$
Fi(.r 4: E#eit" ! -K"n'i!!e e% -Arie- te%5"ri-+
/onte$ 'la!orado a partir de Spiegel 8IQQO9) p" RNV"
c9 Componente C(clica 8C9$ as varia=es c(clicas re%erem-se s oscila=es a longo
pra,o) geralmente de v3rios anos) ou aos desvios em torno da curva de tend;ncia"
'sses ciclos podem ou no ser peridicos) isto 6) podem ou no seguir exatamente
padr=es an3logos) depois de intervalos de tempos iguais" @as atividades
econ7micas) os movimentos so considerados c(clicos quando ocorrem depois de
intervalos de tempo superiores a um ano) con%orme /igura X 8SP2'G'-) IQQO9$
Fi(.r @: E#eit" ! 3"%5"nente 3&3'i3 e% -Arie- te%5"ri-+
/onte$ 'la!orado a partir de Spiegel 8IQQO9) p" RNV"
OX
d9 Movimentos irregulares 829$ so as varia=es devidas a causas no identi%icadas)
ocorrendo no curto pra,o) sendo que essas varia=es no podem ser previstas pelos
modelos de previso 8M#.'2.A) NTTR9" So c*amados) tam!6m) de movimentos
aleatrios ou deslocamentos espor3dicos das s6ries temporais) provocados por
eventos casuais como enc*entes) greves) etc" 8SP2'G'-) IQQO9" 'statisticamente)
quando todas as causas con*ecidas para a demanda 8m6dia) tend;ncia)
sa,onalidade e c(clica9 so su!tra(das da demanda total) o que so!ra 6 uma parte
remanescente inexplic3vel da demanda" Se no %or desco!erta a causa dessa so!ra)
ela 6 considerada puramente aleatria 8DAE2SF ALU2-A@#F CSAS') NTTI9"
Para Morettin e Holoi 8IQMV9) essa so!ra 6 a componente aleatria) tam!6m
con*ecida como ru(do !ranco) com m6dia ,ero e vari_ncia constante"
Al6m desses componentes) existe %req]entemente uma autocorrelao) que indica a
persist;ncia de tal ocorr;ncia) ou se<a) a demanda esperada em qualquer ponto 6 altamente
correlacionada com seus prprios valores anteriores" @ormalmente) as lin*as de tend;ncia so
o ponto de partida no desenvolvimento de uma previso" 'ssas lin*as so a<ustadas para os
e%eitos sa,onais) c(clicos e a qualquer outro valor que possa in%luenciar a previso de demanda
8DAE2SF ALU2-A@#F CSAS') NTTI9"
A seq];ncia de estudo de uma s6rie temporal inicia de uma dada realidade 8processo
estoc3stico9) quando se retira uma amostra %inita de o!serva=es com igual espaamento no
tempo 8s6rie temporal9" Pelo estudo dessa amostra 8an3lise de s6ries temporais9) !usca-se o
mel*or modelo estoc3stico) que tem como o!<etivo in%erir so!re o comportamento dessa
realidade analisada) con%orme /igura Y" # modelo estoc3stico 6 caracteri,ado por uma %am(lia
de vari3veis aleatrias) sendo um modelo pro!a!il(stico 8S#UbAF CAMA.G#) NTTR9"
Fi(.r <: Pr"3e--" e-t"3I-ti3" e -Arie te%5"r'+
/onte$ 'la!orado a partir de Sou,aF Camargo 8NTTR9) p" NO"
S6rie Hemporal Processo 'stoc3stico
An3lise de S6ries
Hemporais
Modelo 'stoc3stico
OY
N"R"N"N Modelos de 5ox A BenCins
2nicialmente so de%inidas as %un=es de autocorrelao 8AC/9 e de autocorrelao
parcial 8PAC/9) as quais so necess3rias para veri%icar se uma s6rie temporal 6 estacion3ria ou
no e) tam!6m) para a determinao da ordem dos modelos de 5ox A BenCins"
Para s6ries temporais estacion3rias) am!os os coe%icientes AC/ e PAC/ tendem a
,ero) enquanto que as s6ries no-estacion3rias apresentam coe%icientes signi%icativamente
di%erentes de ,ero para v3rios per(odos de tempo da s6rie temporal 85#cF B'@Z2@SF
.'2@S'-) IQQR9"
F.nEF" !e A.t"3"rre'EF": A autocorrelao 6 a autocovari_ncia padroni,ada" Utili,a-se
para medir o comprimento e a memria de um processo) ou se<a) a extenso para a qual o
valor tomado no tempo t depende daquele tomado no tempo tt k) ou se<a) separado por k
intervalos de tempo" A autocorrelao de de%asagem k 6 de%inida como$
9 Ear8a 9 Ear8a
d a ) ea Cov

C f t t
C f t t
o
C
C


8I9
onde$
Ear 8a
t
9 g Ear 8a
tfC
9 g

T
g vari_ncia do processo

o
g I e)
C
g
-C
"
'm outras palavras) a %uno de autocorrelao 6 sim6trica so!re a origem k g T" #
gr3%ico dos coe%icientes de autocorrelao

C
versus k) 6 c*amado de correlograma"
F.nEF" !e A.t"3"rre'EF" A%"-tr'$ Para uma s6rie temporal o!servada a
I
) a
N
) """) a
n
) a
autocorrelao amostral 6 dada por$
OV
( ) ( )
( )

+
n
I t
N
t
C n
I t
C t t
o
C
C
a a
a a a a

h
h

h
) C g T) I)
N) """ "
8N9
5ox A BenCins 8IQVY9 argumentam que) para o!ter-se uma !oa estimativa da %uno
de autocorrelao) precisa-se de pelo menos XT o!serva=es" As autocorrela=es)

C
) seriam
calculadas para kgT) I) """) .) onde . no deve ser maior que niR) sendo n o nDmero de
o!serva=es"
F.nEF" !e A.t"3"rre'EF" Pr3i': A id6ia de autocorrelao pode ser estendida" Se
medirmos a correlao entre duas o!serva=es seriais a
t
e a
tfC
) eliminando a depend;ncia
dos termos intermedi3rios) a
tfI
) a
tfN
) a
tfC-I)
tem-se o que se denomina autocorrelao
parcial) que 6 uma medida de ordem k condicionada ao con*ecimento das autocorrela=es em
todas as de%asagens de ordem in%erior a k" U de%inida por CC

e dada por$
C
j
C
CC


8O9
Sendo$

C$
6 a matri, de autocorrelaoF
C

$ 6 o determinante da matri, de autocorrelaoF


j
C
$ 6 a matri, que di%ere de
C
somente pela Dltima coluna) su!stitu(da por k
I
)
N) """)

Cl

j
C

$ 6 o determinante da matri,
j
C
"
O5er!"re-
Alguns operadores utili,ados na metodologia 5ox A BenCins so os seguintes$
- # operador translao para o passado >5? representa uma de%asagem de C per(odos
de tempo para tr3s) sendo de%inido por$
5b
t
g b
t-I
OM
5mb
t
g b
t-N

5
C
b
t
g b
t-C
8R9

- # operador soma 6 de%inido por$

0 j
j t t
Z SZ
g b
t
f b
t 0 I
f """ g8I f 5 f 5m f """9 b
t
8X9
- # operador di%erena 6 uma trans%ormao nos dados) que consiste em tomar
di%erenas sucessivas da s6rie original) sendo de%inido por
d
g8I-59
d
"
2.4.2.2.1 Modelos $nivariados de Box & Jenkins sem interveno
'sse item a!ordar3 um resumo so!re a metodologia de 5ox A BenCins para modelos
univariados sem interveno"
i9 Modelo Geral
# modelo Auto-regressivo-2ntegrado-M6dias Mveis Sa,onal) ou denominado
SA.2MA de ordem 8p)d)q9x8P)D)L9
s
sem interveno) descrito por 5ox A BenCins 8IQVY9)
tem sido uma %erramenta muito importante na modelagem de dados autocorrelacionados
sa,onais" # modelo 6 dado por$
t
9a 85 859 n a 9 5 - 98I 85 859
s
t
D s s


8Y9
onde$
859 g 8I -
I
5 - """ -
p
5
p
9) operador no sa,onal auto-regressivo 8A.9 ou polin7mio
de ordem # tal que as ra(,es da equao caracter(stica 859gT devem estar %ora do c(rculo
unit3rio 8 859 um polin7mio em 5 de grau p) ten*a todas as suas ra(,es 859gT maiores que
I) em valores a!solutos) ou se<a) todas as ra(,es devem estar %ora do c(rculo unit3rio9 para
garantir a estacionariedade e os
i
) igI)N)""") # so os par_metros auto-regressivos no
sa,onaisF
OQ

d
g 8I - 59
d
) onde
d
6 o operador di%erena no sa,onal de ordem d) usualmente d g
T) I ou NF
5$ operador de retardo) tal que) 5
C
b
t
g b
t-CF
85
s
9g 8I -
I
5
s
- """ -
P
5
Ps
9) operador sa,onal auto-regressivo 8A.9 ou polin7mio
de ordem #/ tal que as ra(,es da equao caracter(stica 85
s
9gT devem estar %ora do c(rculo
unit3rio para garantir a estacionariedade e os
i
) igI)N)""") # so os par_metros auto-
regressivos sa,onaisF
859 g 8I -
I
5 - """ -
q
5
q
9) operador no sa,onal m6dias mveis 8MA9 ou polin7mio
de ordem 0) tal que as ra(,es da equao caracter(sticas 859g T devem estar %ora do c(rculo
para garantir a inversi!ilidade do processo e os
i
) igI)N)""") 0 so os par_metros m6dias
mveis no sa,onaisF
859 g 8I -
I
5
s
- """ -
q
5
Ls
9) operador sa,onal de m6dias mveis 8MA9 ou polin7mio
de ordem 0/ tal que as ra(,es da equao caracter(sticas 85
s
9g T devem estar %ora do c(rculo
para garantir a inversi!ilidade do processo e os
i
) igI)N)""") 0 so os par_metros m6dias
mveis sa,onaisF
a
t
$ processo de ru(do !ranco) normalmente e identicamente distri!u(do) com m6dia
,ero e vari_ncia constante
N
a

ou se<a) @2D 8T)


N
a

9F
a
t
$ 6 a s6rie em estudo para o per(odo tF
8A.9$ operador no sa,onal auto-regressivo que modela a depend;ncia de um valor
atual so!re os valores passadosF
829$ operador de integrao que remove a tend;ncia de uma s6rie temporal) tornando-a
estacion3riaF
8MA9$ operador no sa,onal de m6dia mvel) onde os valores atuais so dependentes
de erros de previso de per(odos passadosF
#$ ordem m3xima dos par_metros auto-regressivos simplesF
d$ nDmero de di%erencia=es no-sa,onais aplicadas para tornar a s6rie temporal
estacion3riaF
0$ ordem m3xima dos par_metros de m6dia mvel simplesF
RT
1$ ordem m3xima dos par_metros auto-regressivos sa,onaisF
2$ nDmero de di%erencia=es sa,onais aplicadas para tornar uma s6rie temporal
estacion3riaF
3$ ordem m3xima dos par_metros de m6dia mvel sa,onalF
s$ comprimento sa,onal"
ii9 Modelo A.2MA8p)d)q9
#s modelos A.2MA 8p)d)q9 assumem que a s6rie temporal a
t
6 uma reali,ao
particular de um processo estoc3stico gerado pela passagem sucessiva de um processo ru(do
!ranco a
t
a uma seq];ncia de dois %iltros lineares$ um est3vel e outro inst3vel) como
apresentado na /igura V"

a
t
L
t
W
t
Filtro
Estacionrio
(B)
Filtro no
Estacionrio
S =

I

1

Fi(.r = - Re5re-entEF" teMri3 !e .% %"!e'" ARIMA N5)!)OP+
/onte$ 'la!orado a partir de 5oxF BenCins) IQVY"
Luando se tem uma s6rie no estacion3ria) deve-se) antes de a<ust3-la a um modelo
estacion3rio 8MA) A.) A.MA9) torn3-la estacion3ria pela remoo de padr=es no-
estacion3rios 8por exemplo) tend;ncia e sa,onalidade9 da s6rie temporal analisada" Desta
%orma) a s6rie temporal deve ser trans%ormada para tornar-se estacion3ria em relao a sua
m6dia) o!tida atrav6s da di%erenciao discreta 8
d
$ operador de di%erena de ordem d9) e
estacion3ria em relao vari_ncia) atrav6s de trans%orma=es logar(tmica) rai, quadrada ou
exponencial 8MAZ.2DAZ2SF `S'--`.2GSHF Sa@DMA@) IQQM9"
A segunda %iltragem 6 repetida quantas ve,es %orem necess3rias) at6 que se o!ten*a) na
sa(da) um processo com as caracter(sticas necess3rias para representar o processo no-
estacion3rio *omog;neo" Uma condio necess3ria para aplicao dos modelos A.2MA 6 de
que o processo que gerou a s6rie temporal se<a estacion3rio de segunda ordem) ou se<a) que
sua m6dia e vari_ncia se<am constantes no tempo"
RI
Se G
t
g
d
a
t
6 estacion3ria) pode-se representar G
t
por um modelo A.MA 8p)q9) ou
se<a$
859 G
t
g 859 a
t

8V9
Se G
t
6 uma di%erena de a
t
) ento a
t
6 uma integral 8soma9 de G
t
) da( di,-se que a
t
segue um modelo Auto-.egressivo-2ntegrado-M6dias Mveis) ou modelo A.2MA8p)d)q9)
assim$
859 g
d
b
t
g 859 a
t
de ordem 8p)d)q9
8M9
iii9 Modelo Autoregressivo de ordem p 0 A.8p9
# modelo A.8p9 6 de%inido pela equao 8Q9) representando uma regresso da vari3vel
dependente em %uno dos valores *istricos" 'ssa equao pode ser representada em termos
do operador 5) atrav6s da equao 8IT9) ou de sua %orma simpli%icada na equao 8II9)
descrita a seguir 85#cF B'@Z2@SF .'2@S'-) IQQR9$

+ + + + +
t p t
p
N t
N
I t
I
t
a
""""
a a a
8Q9
a
9
5
"""""
5
5 I 8
t
p
p
N
N I
t


8IT9
a
9 5 8
t t


8II9
onde$
$ constanteF

i
$ coe%iciente auto-regressivo do per(odo iF
t
$ erro aleatrio do per(odo tF
RN
9 5 8
$ polin7mio auto-regressivo de ordem #.
/a,endo-se
<
g T) . o #) no modelo 859
t
a
p
g a
t
) o!t6m-se um modelo c*amado de
Auto-.egressivo de ordem p) denotado por A.8p9) isto 6$
t p t p N t N I t I t
a a
p
""" a
p
a
p
a
p
+ + + +

8IN9
De%inindo-se o operador auto-regressivo de ordem p$
859 g I -
I
5 -
N
5m - """ -
P
5
p
8IO9
tem-se$ 859
t
a
p
g a
t
8IR9

Com relao a estacionariedade e inverti!ilidade dos modelos A.8p9) pode-se a%irmar
que) como 859 g I -
I
5 -
N
5m - """ -
P
5
p
6 %inito) tem-se assegurada inverti!ilidade" Por
outro lado) para 859 convergir) as ra(,es de 859 g T devem cair %ora do c(rculo unit3rio) ou
se<a) um modelo A.8p9 6 estacion3rio se todas as ra(,es de 859 g T ca(rem %ora do c(rculo
unit3rio"
A %uno de autocorrelao dos modelos A.8p9 pode ser o!tida atrav6s dos seguintes
passos$
Multiplicando-se por < t
a
p
am!os os lados da equao$
t p t p N t N I t I t
a a
p
""" a
p
a
p
a
p
+ + + +

Aplicando-se o valor esperado) o!t6m-se$
9 a
p
a 8 ' 9 a
p
a
p
8 ' """ 9 a
p
a
p
8 ' 9 a
p
a
p
8 ' 9 a
p
a
p
8 '
< t t < t P t P < t N t N < t I t I < t t
+ + + +

8IX9
Assim$
a)Para . g T) o!t6m-se$

T
g Ear8
t
a
p
9 g
I

I
f """ f
p

p
f
a
m I g
I

I
f """ f
p

p
f
0
2
a

ou se<a$
P P I I
N
a
T
""" I



8IY9
b)Para < o T) tem-se '8a
t
< t
a
p
9 g T) visto que < t
a
p
s envolve ru(dos at6 a
t 0 <
) sendo
estes no correlacionados com a
t
" Dessa %orma$
RO

<
g
I

< 0 I
f
N

< 0 N
f """ f
P

< 0 p
Dividindo-se esta equao por
T
) o!t6m-se$

<
g
I

< 0 I
f
N

< 0 N
f """ f
P

< - p
8IV9
sendo que) para . g I) N) """) #) estas equa=es so denominadas aule-`alCer) que) em
%orma matricial) escreve-se$
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

P
N
I
P
N
I
N P I P
N P I
I P I
I
I
I

#!serva=es$
1. Pode-se estimar
I
)
N
) """) p do modelo A.8p9) atrav6s do sistema acima)
su!stituindo
<
por sua estimativa r
<
"
2. Dado o modelo$
t p t p N t N I t I t
a a
p
""" a
p
a
p
a
p
+ + + +

tem-se$
a
t
- g
I
8a
t 0 I
- 9 f
N
8a
t 0 N
- 9 f """ f
P
8a
t 0p
- 9 f a
t
g
I
a
t 0 I
-
I
f
N
a
t 0 N
-
N
f """ f pa
t 0 P
- p f a
t

a
t
g
I
a
t 0 I
f
N
a
t 0 N
f """ f pa
t 0p
f 8I -
I
- """ -
p
9 f a
t
8IM9
iv9 Modelo de M6dia Mvel de ordem q 0 MA8q9
# modelo de m6dia mvel MA8q9 reali,a a regresso da vari3vel at
com os erros
passados 8 q t 9) con%orme as equa=es 8IQ9 e 8NT9) sendo que) esta Dltima) representa a
%orma polinomial da equao 8IQ9 85#cF B'@Z2@SF .'2@S'-) IQQR9
e e
""""""
e e
a
t q t q N t N I t I
+




8IQ9
RR
e
9 5 8
a t t


8NT9
onde$
i
$ coe%iciente de m6dia mvel do per(odo iF
9 5 8
$ polin7mio de m6dia mvel de ordem 0"
/a,endo-se
<
g T) <oq) no modelo$
a
t
g f a
t
f
I
a
t 0 I
f
N
a
t 0 N
f """ 8NI9
o!t6m-se o processo de M6dias Mveis de ordem q) denotado por MA8q9" Usualmente
emprega-se a notao -
<
) ao inv6s de
<
) ou se<a)
I
g -
I
)
N
g -
N
) """)
q
g -
q
e
C
g T) se
k40" Assim) um MA8q9 tem a %orma$
a
t
g f a
t
-
I
a
t 0 I
- """ -
q
a
t 0 q
8NN9
ou se<a$
t
a
p
g 8I -
I
5 - """ -
q
5
q
9 a
t
g 859a
t
8NO9
sendo$
859 g I -
I
5 -
N
5m - """ -
q
5
q !
8NR9
o operador de m6dias mveis) de ordem q"
Por exemplo$ Sendo
t
a
p
g a
t
- a
t 0 I
) pode-se escrever
t
a
p
g 8I - 59a
t
) de modo que 859 g
I - 5" Assim) como 859 g 859 6 %inito) esse processo 6 estacion3rio" @esse caso) temos
tam!6m$
( ) ( )
t
I
t
a
p
5 a

g 8I - 59
-I
t
a
p
g 8I f 5 f m5m f """9
t
a
p
g 859
t
a
p

8NX9
ou se<a) 859 converge) se qq r I) signi%icando di,er que a rai, de 859 g I - 5 g T %ica %ora
do c(rculo unit3rio"
Com relao estacionariedade e inverti!ilidade do modelo) dado que 859 g 859
g I -
I
5 -
N
5m - """ -
q
5
q
) no *3 restri=es so!re os par_metros
<
para que o processo se<a
RX
estacion3rio" Por outro lado) pode-se veri%icar que a condio de inverti!ilidade para um
MA8q9 6 que as ra(,es de 859gT caiam %ora do c(rculo unit3rio"
A %uno de autocorrelao do modelo pode ser expressa por$
t
a
p
g a
t
-
I
a
t 0 I
- """ -
q
a
t 0 q
8NY9
#nde pode-se ter$

<
g '8
t
a
p
< t
a
p
9 g

'

1
]
1


1
]
1


q
I l
l < t l < t
q
I C
C t C t
a a a a '

8NV9
ou se<a$

<
g '8a
t
a
t 0 <
9 -

q
1 k
k '8a
t - <
a
t - C
9 -

q
1 l
l '8a
t
a
t 0 < - l
9 f



q
1 k
q
1 l
l k '8a
t - C
a
t 0 < - l
9
8NM9
Sa!endo-se que$
'8a
t
a
t 0 <
9 g

'


0 j se , 0
0 j se ,
2
a
Assim$

T
g Ear8 a
p
t
9 g 8I f
2
1

f """ f
2
q

9
2
a

8NQ9
/a,endo '8a
t
a
t - <
9 g
a
8<9) para < T) tem-se$

<
g
a
8<9 -


q
1 k
a k
) j k (
-

+
q
1 l
a l
) l j (
f


+
q
1 k
q
1 l
a l k
) k l j (
g 8-
<
f


q
1 j k
j k k 9
2
a
g
g 8-
<
f

+

j q
1 s
s j s 9
2
a


( )

'

>
+ + + +
+ +
q j se , 0
q j 1 , ...
2
a j q q 2 j 2 1 j 1 j
Dividindo
<
por
T
) o!t6m-se$
RY

'

>

+ + +
+ + + +

+ +
q j se , 0
q j 1 ,
... 1
...
2
q
2
1
q j q 2 j 2 1 j 1 j
j

8OT9
v9 Modelos Mistos Autoregressivos-M6dia Mvel 0 A.MA8p)q9
#s processos auto-regressivos e de M6dia Mvel A.MA8p)q9 com!inam as
caracter(sticas de processos A.8p9 e MA8q9" Lualquer s6rie estacion3ria pode ser modelada
como um processo A.MA8p)q9" # modelo 6 apresentado nas equa=es 8OI9 e 8ON9 85#cF
B'@Z2@SF .'2@S'-) IQQR9$
e
""""
e e a
""""
a a
q t q I t I t p t
p
I t
I
t

+ + + +

8OI9

e
9 5 8
a
9 5 8
t t
+
8ON9
#s modelos A.MA8p) q9 cont;m termos auto-regressivos e de m6dias mveis) sendo)
portanto) dados por$
q t q I t I t p t p I t I t
a """ a a a
p
""" a
p
a
p

+ + +

8OO9
onde) considerando-se 859 e 859 como os operadores auto-regressivos e de m6dias mveis)
respectivamente) pode-se escrever um A.MA8p) q9 na %orma$
859
t
a
p
g 859a
t
8OR9

# Luadro I apresenta as principais caracter(sticas tericas das /AC[s e /ACP[s dos
modelos estacion3rios e no sa,onais A.) MA e A.MA"
?.!r" >- Cr3ter&-ti3- !- FACQ- e FACPQ- !"- %"!e'"- AR) MA e ARMA+
Pr"3e--" FAC FACP
A.
Decai para ,ero
8exponencialmente ou
atrav6s de senides amortecidas9
U ,ero depois do la) #
RV
MA U ,ero depois do la) 0
Decai para ,ero
8exponencialmente ou
atrav6s de senides amortecidas9

A.MA
Decai para ,ero Decai para ,ero
/onte$ Adaptado de 5oxF BenCinsF .einsel 8IQQR9"
@as /iguras M e Q) apresentam-se os correlogramas que ilustram a identi%icao de
alguns modelos particulares" Pode-se notar semel*anas nas /AC[s dos dois primeiros casos
8>a? e >!?9 do modelo A.8N9) apresentado na /igura Q) com as /AC[s dos dois casos do
A.8I9) disposto na /igura M" 'm geral) no se pode determinar) a partir da /AC estimada) se
ocorre um modelo A.8I9 ou um A.8N9" @estes casos) a /ACP 6 quem de%ine a ordem do
processo) visto que no A.8I9) apresentado na /igura M) a /ACP tem um Dnico pico"
RM
1. Processo A.8I9) com
I
o T"
fI f I

CC
C C
-I -I
2. Processo A.8I9) com
I
r T"
fI
C
f I

CC
C C
-I -I

Fi(.r 2: GrI#i3"- !" %"!e'" AR N>P+
/onte$ Adaptado de 5oxF BenCinsF .einsel 8IQQR9"
RQ
I
I I
I I
A seguir) tem-se as /AC[s e /ACP[s de quatro tipos de A.8N9$
a)
I
o T e
N
o T
fI fI

C

CC
C C
-I -I
b)
I
r T e
N
o T
fI fI

C

CC
C C
-I -I
c)
I
o T e
N
r T
f I f I

C

CC
C C
- I - I
d)
I
r T e
N
r T
f I fI

C

CC
C C
- I - I
Fi(.r B: GrI#i3"- !" %"!e'" AR N0P+
/onte$ Adaptado de 5oxF BenCinsF .einsel 8IQQR9"
@o Luadro N) resumem-se as caracter(sticas dos processos MA8I9 e MA8N9"
XT
I I
I I
I I
I I
?.!r" 0- Cr3ter&-ti3- !"- 5r"3e--"- MAN>P e MAN0P+
Pr"3e--" FAC FACP
MA8I9
Hem pico somente no la) I)
sendo esse positivo) se
I
r
T) ou negativo) se
I
o T
Decai exponencialemente$
a" Partindo do lado positivo e
alternando o sinal) se
I
r TF
!" Do lado negativo) se
I
o T"
MA8N9
Hem picos somente nos la)s
I e N
Uma mistura de exponencial e
senide amortecida" # padro exato
depende dos sinais e dos valores de
I
e
N
/onte$ Adaptado de 5oxF BenCinsF .einsel 8IQQR9"
@a /igura IT) os gr3%icos ilustram a identi%icao do modelo MA8I9$
1. Processo MA8I9) com
I
r T
fI f I

C

CC
C C

- I - I
2. Processo MA8I9) com
I
o T
f I f I

C

CC

C C
- I - I
Fi(.r >1: GrI#i3"- !" %"!e'" MA N>P+
/onte$ Adaptado de 5oxF BenCinsF .einsel 8IQQR9"
@a /igura II) tem-se as /AC[s e /ACP[s de quatro tipos de MA8N9$
XI
I I
I I
a)
I
r T e
N
r T
f I f I

C

CC
C C
- I - I
b)
I
o T e
N
o T
f I f I

C

CC
C C
- I - I
c)
I
r T e
N
o T
f I f I

C

CC
C C
- I - I
d)
I
o T e
N
r T
f I f I

C

CC
C C
- I - I
Fi(.r >>: GrI#i3"- !" %"!e'" MA N0P+
/onte$ Adaptado de 5oxF BenCinsF .einsel 8IQQR9"
Hem-se a seguir) as principais caracter(sticas do processo A.MA8I) I9$
XN
I
I
I I
I I
I I
a) FAC 0 Decai exponencialmente aps o la) I$
8I9 o sinal de
I
6 igual ao sinal de 8
I
-
I
9F
8N9 todos t;m o mesmo sinal) se
I
o TF
8O9 os sinais so alternados) se
I
r T"
b) FACP 0 Decai exponencialmente aps o la) I$
8I9
II
g
I
F
8N9 todos t;m o mesmo sinal) se
I
o TF
8O9 os sinais so alternados) se
I
r T"
@a /igura IN) tem-se as ilustra=es gr3%icas$
1.
I
o T e
I
r T
f I f I

C

CC
C C
- I - I
2.
I
o T e
I
o T
f I f I

C

CC

C C
- I - I
Fi(.r >0: GrI#i3"- !" %"!e'" ARMA N>)>P+
/onte$ Adaptado de 5oxF BenCinsF .einsel 8IQQR9"
XO
I I
I I
3.
I
r T e
I
r T
f I f I

C

CC

C C
- I - I
4.
I
r T e
I
o T
f I f I

C

CC


C C

- I - I

@" 8
I
-
I
9 o T
f I f I

C

CC



C C
- I - I
<+ 8
I
-
I
9 r T
f I f I

C

CC
C C
-I - I
Fi(.r >0: GrI#i3"- !" %"!e'" ARMA N>)>P+
/onte$ Adaptado de 5oxF BenCinsF .einsel 8IQQR9"
XR
I I
I
I
I I
I I
2.4.2.2.2 Modelos $nivariados de Box & Jenkins com interveno
# o!<etivo da an3lise de interveno consiste em avaliar o impacto de um ou mais
c*oques exgenos no comportamento de uma determinada s6rie temporal 8o$t#$t9" #s
modelos de interveno) desenvolvidos por 5ox e Hiao 8IQVX9) so um caso particular dos
modelos de %uno trans%er;ncia de 5ox e BenCins 8IQVT9) nos quais as vari3veis in#$t so
acontecimentos exgenos e de nature,a determin(stica que so denominadas de interven=es
quando o momento de ocorr;ncia 6 con*ecido a priori" So exemplos de interven=es$ greves)
altera=es legislativas) crises econ7micas) decis=es pol(ticas) pertur!a=es clim3ticas)
campan*as de pu!licidade e promoo) etc"
Segundo 5ox e BenCins 8IQVT9) os modelos de interveno representam generali,a=es
de m6todos usados para a an3lise de dados) usualmente no expressos na %orma de s6ries
temporais) aos quais os estat(sticos re%erem-se pelo t(tulo geral de Delineamento e An3lise de
'xperimentos" Apesar do modelo parecer simples) ele descreve um grande nDmero de e%eitos
simult_neos"
# modelo proposto para a an3lise de interveno 6 dado pela seguinte equao$
t
k
t
t . i t
5 B 6 +

I
)
9 8
8OX9
onde$
a
t
$ vari3vel-resposta do modeloF
k$ nDmero de interven=es da s6rieF
9 5 8
i

$
valor

da %uno e trans%er;nciaF
2
<)t
$ vari3vel !in3riaF
t

$ ru(do do modelo) representado por um modelo A.2MA"


@a utili,ao dos modelos de 5ox A BenCins) 6 necess3rio que a s6rie se<a
estacion3ria) ou se<a) no apresente tend;ncia e sa,onalidade" Assim) o modelo 8OX9) pode ser
expresso pela equao 8OY9 por meio de um modelo A.MA8p)q9 com interveno 85#cF
H2A#) IQVX9"
XX
t
a
B
B
.t
5
B
.
-.
B B
.
k
.
t
6
9 8
9 8
9 8
9 8
I
h

8OY9
onde$
t
a
h
$
vari3vel estimada pelo modelo no per(odo tF
859 g 8I -
I
5 - """ -
p
5
p
9$ polin7mio autoregressivo no sa,onal de ordem #F
859 g 8I-
I
5 - """ -
q
5
q
9
$ polin7mio de m6dias mveis no sa,onal de ordem 0F
a
t
$ 6 uma seq];ncia de ru(do !ranco que segue uma @8T)
N
a

9F
2
<t $
representa as vari3veis de interveno para .g I) """) kF para a o!servao 8t9 onde ocorreu a
interveno"
9 5 """ 5 8 9 5 8
s
s I T <

F
8OV9
9 5 """ 5 8 9 5 8
r
r I T <

"
8OM9
#s s
s
i
representam os e%eitos iniciais da interveno e s
s
i
representam os e%eitos
permanentes da interveno"
Uma interveno pode mudar a!ruptamente o n(vel da s6rie 8para cima ou para !aixo9
a partir de um determinado momento ou aps um curto per(odo de tempo) podendo os seus
e%eitos serem permanentes ou apenas tempor3rios" Para caracteri,ar e quanti%icar a nature,a e
a magnitude desses e%eitos) podem-se distinguir os seguintes tipos de vari3veis de
interveno$
i9 /uno ste# ou >degrau?$ representa uma interveno que ocorre a partir do instante tgH e
que permanece atuando na s6rie"

'

<

H t ) I
H t ) T
S
H
t
8OQ9
XY
ii9 /uno impulso$ correspondente a uma interveno que ocorre no momento tgH e que tem
e%eito apenas nesse instante)

'

H t ) I
H t ) T
P
H
t
8RT9
iii9 Eari3vel impulso sa,onal$ correspondente a uma interveno que ocorre no momento tgst e
que tem e%eito nos instantes s e seus mDltiplos) Ns) Os """"

'

s t ) I
s t ) T
P
s
t
8RI9
I!enti#i3EF" !e outliers
Luando as datas de ocorr;ncia dos %en7menos que in%luenciam o comportamento da
s6rie no so con*ecidas a #riori) os in#$ts tomam o nome de o$tliers" A deteco de o$tliers
em s6ries temporais %oi inicialmente introdu,ida por /ox 8IQVN9) ao propor dois modelos
param6tricos$ 7dditive O$tlier e 5nnovation O$tlier"
'm desenvolvimentos mais recentes) incluindo autores como Hsa1 8IQMY)IQMM9)
C*angF HiaoF C*en 8IQMM9 e -<ung 8IQQO9) prop=em m6todos iterativos para a identi%icao de
di%erentes tipos de o$tliers e alguns procedimentos para a especi%icao dos respectivos
modelos"
#s e%eitos das interven=es em momentos descon*ecidos podem causar distor=es nas
autocorrela=es e nas autocorrela=es parciais e dessa %orma enviesar os par_metros do
modelo A.MA"
@esse sentido) 6 importante que se identi%ique esses %en7menos exgenos 8o$tliers9 e
se removam os seus e%eitos das o!serva=es) para mel*or compreender a estrutura da s6rie em
estudo"
XV
'xistem essencialmente quatro modelos param6tricos para a identi%icao de o$tliers
que podem ser caracteri,ados segundo os e%eitos que produ,em na s6rie o$t#$t" So eles$
- Additive Outlier : representa uma vari3vel do tipo >impulso?) cu<o e%eito apenas ocorre em
t 8 T) sendo nulo o e%eito nos restantes momentos" U de%inido atrav6s do modelo$
9 H 8
t t
p
q
9 H 8
t t t
2 a
9 5 8
9 5 8
2 c a +

+
8RN9
onde c
t
t representa a s6rie sem a presena de o$tliers) que segue um processo A.MA8p)q9
invert(vel e estacion3rio$ t q t p
a 9 5 8 b 9 5 8
e
9 H 8
t
2 6 uma vari3vel !in3ria que indica a
presena ou aus;ncia de um o$tlier no momento H) atrav6s da relao$ I 2
9 H 8
t
se tgtH e
T 2
9 H 8
t
se tH"
- Innovation Outlier $ tradu,-se num c*oque na s6rie residual) cu<o e%eito se %a, sentir em
todas as o!serva=es a partir do momento t 8 a
t
) a
tufI
) a
tufN
) """""9 segundo a estrutura do sistema
descrito por q859ip859" Pode descrever-se atrav6s da relao)
9 2
9 5 8
9 5 8
c 9 2 a 8
9 5 8
9 5 8
a
9 H 8
t
p
q
t
9 H 8
t t
p
q
t

+ +

8RO9
- Level Step$ corresponde a uma vari3vel do tipo >degrau?) cu<o e%eito ocorre em t g T e
mant6m-se atuando depois desse momento" De%ine-se atrav6s da expresso$
9 2
5 I
a
9 5 8
9 5 8
2
5 I
c a
9 H 8
t t
p
q
9 H 8
t t t

+
8RR9
- Trn-ient C*n(e$ re%ere-se a um c*oque na s6rie para t H) cu<o e%eito tende a diminuir a
um ritmo exponencial aps um impacto inicial" 'ste o$tlier 6 de%inido atrav6s do modelo$
9 2
5 I
a
9 5 8
9 5 8
2
5 I
c a
9 H 8
t t
p
q
9 H 8
t t t

+
8RX9
onde TrdrI" Generali,ando) uma s6rie com k o$tliers de di%erentes tipos pode ser
representada pela seguinte relao$
H
t i i t t
2 9 5 8 c a +
8RY9
XM
onde ct g
q
859i
#
859a
t
F
i
859 g I para um additive o$tlier)
i
859 g
q
859i
p
859 para um
innovation o$tlier)
i
859 g Ii8I-59 para um level ste# e
i
859 g Ii8I-59 para um transient
chan)e F e
I
9 i
2
H 8
t

se tgH
i
e
T
9 i
2
H 8
t

se t H
i"
A identi%icao de o$tliers 8essencialmente de dois tipos) 7dditive O$tlier e 9evel
+te#9 pode ser %eita automaticamente pelo #acka)e AUH#5#c 8o AUH#5#c apenas %a, a
deteco de no m3ximo cinco o$tliers9) que comea construindo um modelo A.2MA para a
s6rie original do o$t#$t 6
t
) supondo que no existe nen*um o$tlier) seguindo-se um processo
iterativo de regresso dos res(duos o!tidos so!re potencias o$tliers) at6 conseguir-se)
avaliando os e%eitos dos seus c*oques) encontrar >todos? os 7dditive O$tlier e 9evel +te#"
Uma ve, encontrados) os o$tliers 8cu<os momentos de ocorr;ncia passam a ser con*ecidos9
so inclu(dos como vari3veis de interveno 8>2mpulso? e >Degrau?9 nos modelos de
interveno introdu,idos por 5ox e Hiao 8IQVX9) procedendo-se identi%icao da %uno
trans%er;ncia ou da resposta do o$t#$t s interven=es e de um modelo A.2MA para a s6rie
residual com coe%icientes estatisticamente signi%icativos" Uma ve, especi%icada a %orma do
modelo) passa-se s etapas *a!ituais de estimao e avaliao das qualidades estat(stica e do
a<ustamento"
2.4.2.2.3 "ta#as #ara a constr$o de $m modelo de #reviso
As etapas para a construo de um modelo de previso) !aseado na metodologia de
5ox A BenCins) so apresentadas a seguir 85#cF B'@Z2@S) IQVY9$
i9 5denti&icao do modelo: a!range a an3lise e a preparao dos dados que comp=em a s6rie
temporal e a seleo do modelo SA.2MA) ou se<a) consiste em desco!rir qual) dentre as
v3rias vers=es dos modelos 5ox A BenCins) mel*or descreve o comportamento da s6rie"
Para a construo dos modelos SA.2MA) 6 necess3rio identi%icar a ordem dos
par_metros 8p)d)q9x8P)D)L9" # primeiro par_metro a ser identi%icado 6 o grau de
di%erenciao) d ou D) necess3rio esta!ili,ao dos dados" 2sso 6 %eito pela an3lise do
comportamento do correlograma) ou se<a) do diagrama da %uno de autocorrelao 8/AC9) no
qual so apresentados os valores das autocorrela=es em relao aos la)s k. Se as
autocorrela=es decrescerem de %orma linear) reali,am-se di%erencia=es na s6rie) at6 que o
diagrama apresente um corte a!rupto para um valor qualquer de autocorrelao) quando a
s6rie ser3 considerada estacion3ria"
XQ
A ordem auto-regressiva p ou P 8sa,onal9 6 determinada pela veri%icao da %uno de
autocorrelao parcial 8/ACP9)
CC)
da s6rie que est3 sendo analisada" A ordem m6dias mveis
q ou L 8sa,onal9 6 determinada pela veri%icao da %uno de autocorrelao 8/AC9 da s6rie
que est3 sendo analisada"
A partir de IQVT %oram propostos procedimentos para a identi%icao do modelo que
mel*or descreve o comportamento da s6rie) dentre os quais se podem citar$ o Crit6rio de
2n%ormao de ACaiCe 8A2C9 8AZA2Z') IQVO) IQVR9 e o Crit6rio 5a1esiano 852C9
8AZA2Z') IQVV9" 'sses crit6rios visam identi%icar a ordem do modelo SA.2MA a ser
utili,ado) minimi,ando uma %uno que penali,a o a<uste de modelos no parcimoniosos) ou
se<a) que possuem uma grande quantidade de par_metros"
# Crit6rio de 2n%ormao de ACaiCe 8A2C9 para o processo A.2MA 8#,aCi) IQVV9 6
dado por$
9 @ N ln8 @ I q p 8 N
d @
@
9 h ln8 @ 9 q ) d ) p 8 A2C
T
N
a
+ + + + +

+
8RV9
onde$

'


T d ) T
T d ) I
T
;$ nDmero de o!serva=es da s6rie em estudoF
N
a
h $ vari_ncia estimada dos res(duosF
#/ 0$ graus dos polin7mios 859 e 859F
d: nDmero de di%erenas utili,adas para estacionari,ar a s6rie"
# Crit6rio de SCS`A.b) tam!6m con*ecido como 52C 85a1esian 2n%ormation
Criterion9) 6 dado pela seguinte expresso$
@
C 9 @ ln8
9 q p 8 9 h ln8 9 q ) d ) p 8 52C
N
a
+ +
8RM9
onde$
k: nDmero de par_metros"
YT
'stes dois crit6rios so equivalentes e medem as verossimil*anas dos modelos mais a
parcim7nia param6trica" So !aseados nas previs=es dentro da amostra" # modelo
selecionado deve ser o que apresentar o menor A2C ou 52C) <3 que quanto mais prximo de
,ero %or o valor calculado) mel*or ser3 o a<uste e maior a parcim7nia 8SA2.F A@D'.S#@F
HASHAM$ 5-ACZ) NTTX9"
ii9 "stimao dos #ar<metros: essa %ase compreende a estimao de par_metros dos modelos
potenciais" 'ssa etapa da metodologia consiste em estimar os par_metros de cada um dos
modelos Autoregressivos 89) de m6dias mveis 89 e a vari_ncia dos erros" Posteriormente)
veri%ica-se a aleatoriedade dos res(duos" 'sta estimao 6 reali,ada atrav6s do m6todo de
m3xima verossimil*ana" Desta %orma) deve-se identi%icar o mel*or modelo e) aps) estimar
os par_metros"
Para testar se um par_metro 6 ,ero ou no) pode-se usar a estat(stica t de st$dent) ou
se<a$
#ar<metro desse #adro desvio do "stimativa
#ar<metro do "stimativa
t

8RQ9
sendo que) como regra pr3tica) re<eita-se a *iptese de que o par_metro 6 ,ero quando o valor
a!soluto dessa estat(stica 6 maior que I)QY"
iii9 =eri&icao da ade0$ao do modelo: essa etapa consiste em avaliar o a<uste do modelo
por meio do comportamento da %uno de autocorrelao residual"
@a etapa de veri%icao do modelo) calculam-se as autocorrela=es dos res(duos
9 a 8 h
C

) dadas por$

n
I
C - n
I
C
9m 8
9 98 8
9 a 8 h
t
t
t
k t t
a a
a a a a

8XT9
@o teste t) para testar a *iptese S
T
$
C
8a9 g T) para cada autocorrelao residual) tem-
se que a estat(stica do teste 6$
YI
9d 8 h e
9 8 h

a
k
s
a
k
t

>!1?
sendo
9 h 8 s
C

um estimador do desvio padro de


9 8 s
C

) que 6 dado por$


N i I
I C
I <
N
<
N i I
C
d
h
N I e n 9
h
8 s +

8XN9
onde$
n$ nDmero de elementos da s6rie de res(duos"
#s limites de con%iana para o desvio padro das autocorrela=es dos res(duos so
dados por$
9 N "8 d
h
N I e n 99 a 8
h
8 -C
N i I
I C
I <
N
<
N i I
C
t +

8XO9
@a pr3tica) se qt@ r I)NX) nos la)s I) N e O e qtq r I)Y nos demais la)s) conclui-se que os
erros so no correlacionados" Caso contr3rio) re<eita-se S
T
) ou se<a) conclui-se que os erros
so correlacionados"
@o teste de Portmanteau) proposto por 5ox A BenCins 8IQVT9) modi%icado para o teste
L) seguindo uma distri!uio de

N
8Lui-quadrado9) tem-se$
S
T
$
I
8a9 g
N
8a9 g """ g
v
8a9 g T
A estat(stica do teste 6$

I
9 8
N I
9 8 9 N 8
j
k
a
k
k ; ; ; 3 8XR9
sendo ; o nDmero de o!serva=es usadas para estimar o modelo e v o nDmero de
autocorrela=es" A distri!uio de Lj 6 aproximadamente qui-quadrado com >*m9 graus de
li!erdade) sendo m o nDmero de par_metros estimados no modelo SA.2MA" Pode-se testar a
validade do modelo) dentro de um n(vel de signi%ic_ncia) comparando o valor de Lj com o
valor ta!elado da distri!uio Lui-quadrado"
YN
iv9 1reviso$ 6 a etapa da extrapolao dos dados *istricos atrav6s do modelo encontrado"
'xistem v3rias medidas de avaliao" Uma medida de avaliao muito usada 6 o MAP'
8Mean A!solute Percent 'rror9) tam!6m con*ecido como erro m6dio percentual a!soluto"
'sta estat(stica indica o erro percentual a!soluto m6dio das previs=es so!re todo o con<unto de
teste) sendo expressa pela seguinte equao$

n
n
t
6
t
6
t
6
t
M71"

I

8XX9

onde$
a
t
$ valor atual da s6rieF
t
6
h
$ valor previstoF
n: nDmero de o!serva=es utili,adas para c3lculo do MAP'"
'sta Dltima %ase de execuo do modelo de 5ox A BenCins 6 utili,ada para veri%icar se
o modelo 6 adequado para a previso de o!serva=es %uturas" U importante avaliar se o
modelo estimado 6 adequado para descrever o comportamento dos dados" Caso o modelo no
se<a adequado) o ciclo 6 repetido) voltando-se para a %ase de identi%icao" @a %igura IO)
apresenta-se o %luxograma do ciclo iterativo de 5ox A BenCins"
YO
2denti%icao
'scol*a de um ou mais
modelos candidatos
8SA.2MA9
'stimao dos
par_metros do modelo
candidato
Eeri%icao
# modelo 6 adequado ^
An3lise de res(duos
Previso
Utili,e o modelo para %a,er previs=es
Sim
@o
Fi(.r >C F'.,"(r% !" 3i3'" iterti6" !e 7", R SenTin-+
/onte$ Adaptado de 5oxF BenCins 8IQVT9"
@essa dissertao) dentre os v3rios modelos de s6ries temporais) escol*eu-se tra!al*ar
com os modelos de 5ox A BenCins) porque) quando comparados com os demais m6todos de
previso) a metodologia 5ox A BenCins apresenta resultados mais precisos e os modelos
apresentam um menor nDmero de par_metros 8M#.'HH2@F H#-#2) IQQV9"
0+4+C C"%DinEF" !e MAt"!"- !e Pre6i-F" M"!e'" C"%Din!"
# artigo de 5ates e Granger 8IQYQ9 6 considerado o marco inicial para a extensa
produo so!re m6todos com!inados de previs=es) cu<o princ(pio re%ere-se possi!ilidade de
aumentar a preciso das previs=es) !ene%iciando-se da complementaridade da in%ormao
contida em cada previso individual" 'sse tra!al*o decorre da proposio de que a vari_ncia
esperada dos erros de previso com!inada 6 in%erior menor das vari_ncias individuais) e
requer que as previs=es se<am no-viesadas e no apresentem elevada correlao" #utro
aspecto relevante a ser o!servado 6 que a interao entre a vari_ncia e a correlao dos erros
das previs=es individuais 6 determinante para a per%ormance da com!inao"
YR
'ssa %ormulao %oi proposta por Granger 8IQMT9 atrav6s da com!inao linear de
previs=es pontuais calculadas por meio de modelos com caracter(sticas distintas" 'sta
metodologia 6 !aseada no seguinte argumento cient(%ico$ se duas previs=es pontuais) as
mel*ores em termos de uma medida de e%ici;ncia 8'rro M6dio Percentual A!soluto ou 'rro
M6dio Luadr3tico9) o!tidas em modelos com metodologias distintas) ento) se as previs=es
so com!inadas linearmente) o resultado da previso %inal ser3 sempre mel*or que as
previs=es no com!inadas ou individuali,adas"
A com!inao de m6todos de previso de demanda 6 muito utili,ada no sentido de
mel*orar a acur3cia da previso 8CS'@F ZU@G) IQMRF 5#PP) IQMX apud -'M#S) NTTY9"
@o caso particular dos dois modelos) que sero utili,ados neste tra!al*o de pesquisa)
produ,indo previs=es pontuais
9 I 8
I t
a
h
+
e
9 N 8
I t
a
h
+
respectivamente) a um passo %rente) a
previso com!inada
c
I t
a
h
+
6 o!tida pela seguinte com!inao linear$
9 N 8
I t
9 I 8
I t
c
I t
a
h
9 I 8 a
h
a
h
+ + +
+
8XY9
Aqui 6 o peso) sendo que o seu c3lculo 6 %eito de modo a minimi,ar a vari_ncia do
erro de previso com!inada" 5ates e Granger 8IQYQ9 mostram que os pesos o!tidos so
inversamente proporcionais s vari_ncias das previs=es individuais"
A vari_ncia da previso com!inada) para o caso em que os erros esto correlacionados
6 dada por$
N I
N
N
N N
I I
N
c
9 I 8 N 9 I 8 + +
8XV9
onde$
N
I
e
N
N
so as vari_ncias dos erros das previso a serem com!inadasF t 6 o
coe%iciente de correlao entre os erros das previs=esF 6 o peso dado previso I) um passo
%rente"
Para minimi,ar a vari_ncia
N
c
%a,-se a di%erenciao da equao 8XV9 com relao a
e iguala-se o resultado a ,ero" Assim) o valor m(nimo de
N
c
ocorre quando assume o valor
dado pela equao 8XM9"
YX
N I
N
N
N
N
I
N I
N
N


8XM9
Luando os erros das previs=es no esto correlacionados) ou se<a) t g T) %ica
redu,ido ao valor dado pela seguinte equao"
N
N
N
I
N
N
+



8XQ9
0+4+4 M"!e'" Inte(r!"
A partir do modelo com!inado) procede-se ao a<uste das previs=es de acordo com o
<ulgamento %ornecido pelos respons3veis pela reali,ao das previs=es de vendas na empresa)
encontrando-se o modelo integrado" #s procedimentos a seguir esto !aseados em `erner e
.i!eiro 8NTTY9) onde o a<uste ao modelo com!inado deve seguir as etapas descritas a seguir$
1* "sta-elecer o #ercent$al mAximo e mBnimo de a.$ste
#s respons3veis pela previso da empresa esta!elecem um percentual m3ximo e um
percentual m(nimo por meio dos quais a previso pode ser a<ustada) considerando o contexto
glo!al da empresa e a sua insero no mercado" # a<uste ser3 reali,ado tomando-se por !ase o
percentual m6dio o!tido entre o nDmero de especialistas existentes na empresa"
2* Or)aniCar a lista)em dos &atores
#s especialistas) que esto envolvidos no processo de previso) devem %ornecer os
%atores que podem in%luenciar o comportamento da demanda" Com os %atores indicados pelos
respons3veis pela reali,ao das previs=es) ela!ora-se uma lista Dnica de %atores considerados
importantes na de%inio da previso %utura" 'ssa lista 6 %ormada a partir das prioridades
atri!u(das pelos prprios respons3veis"
YY
3* Mens$rar o im#acto de cada $m dos &atores
2denti%icados os %atores) os respons3veis pela previso de vendas atri!uem pesos para
cada um dos %atores) visando identi%icar a sua poss(vel in%lu;ncia so!re a demanda %utura
8pequena) m6dia ou grande9" A escala aqui sugerida 6 !aseada na escala de -iCert 8Mal*otra)
NTTV9) que segue os mesmos princ(pios da escala utili,ada por Saat1 8IQQI9 e por `erner e
.i!eiro 8NTTY9" Assim) a escala %icou com a seguinte pontuao$

- grau I$ se a import_ncia do %ator i %or muito %racaF
- grau N$ se a import_ncia do %ator i %or %racaF
- grau O$ se a import_ncia do %ator i %or moderadaF
- grau R$ se a import_ncia do %ator i %or %orteF
- grau X$ se a import_ncia do %ator i muito %orteF
4* "ncontrar os #esos normaliCados
#s pesos normali,ados so encontrados pela equao 8YT9$
ITT j
P
P
P@
i
i


8YT9
onde$
P@$ 6 o peso normali,ado de cada %ator de in%lu;ncia na demandaF
Pi$ 6 o peso atri!u(do a cada %ator de in%lu;ncia na demanda por cada um dos respons3veis
pela previso de vendas na empresaF
i
1
$ 6 a soma dos pesos de cada %ator de in%lu;ncia para cada respons3vel pela previso"
!* Mens$rar a o#inio dos res#onsAveis #ela #reviso de vendas da em#resa em &$no da
intensidade do im#acto do &ator
YV
@este caso ser3 atri!u(da uma pontuao entre -I e fI para a intensidade do impacto
de cada %ator para o prximo per(odo" Ser3 atri!u(do o valor -I se a intensidade do impacto
%or altamente negativa) fI se %or altamente positiva e ,ero se %or uma intensidade igual 8ou
se<a) o %ator de in%lu;ncia nas vendas) no momento da an3lise) manter3 uma condio neutra
ou sem um impacto signi%icativo9" Por exemplo) o preo de venda do produto) em um
determinado momento) pode ser considerado com uma pontuao -I) pois quanto maior %or o
preo do produto menor ser3 a quantidade vendida do mesmo"
D* "ncontrar as mEdias #onderadas
As m6dias ponderadas so o!tidas somando-se o produto dos pesos normali,ados com
a opinio) atrav6s da quanti%icao da intensidade do impacto) para todos os %atores)
considerando-se a an3lise de cada respons3vel pela previso de vendas da empresa"
F * "ncontrar o #ercent$al mEdio de a.$ste
As m6dias ponderadas devem ser multiplicadas pelo percentual m(nimo ou m3ximo de
a<uste) con%orme item nv I deste procedimento) indicado pelos respons3veis pela previso"
Aps encontrar o valor do a<uste percentual para cada respons3vel) o qual pode ser positivo ou
negativo) calcula-se a m6dia aritm6tica dos percentuais de a<uste de todos os respons3veis
pela previso de vendas da empresa) o!tendo-se o percentual m6dio de a<uste"
%* Galc$lar a #reviso &inal
Para proceder com o a<uste da previso com!inada) adiciona-se o valor I ao percentual
de a<uste m6dio e) ao multiplicar o valor desta soma pela previso com!inada) ser3 o!tida a
previso %inal a<ustada por meio da opinio dos respons3veis pelas previs=es da empresa"
Diversos estudos apontam que uma mel*or acur3cia das previs=es 6 o!tida pela
integrao de m6todos qualitativos e quantitativos) atrav6s da utili,ao do con*ecimento
contextual nos processos matem3ticos de previso 8.2@GU'SHF HA@G) IQMVF C-'M'@)
IQMQF 5-AHH5'.GF S#CS) IQQTF C#--#PaF A.MSH.#@G) IQQNF `.2GSHF
-A`.'@C'F C#--#Pa) IQQY9" # sucesso no desenvolvimento de sistemas que respaldam
a tomada de decis=es pelos gestores da empresa tem produ,ido am!ientes nos quais as
an3lises su!<etivas e matem3ticas podem ser %acilmente integradas 8`.2GSHF -A`.'@C'F
C#--#Pa) IQQY9"
YM
'm situa=es ocasionadas por eventos especiais) mudanas internas na empresa ou
altera=es no mercado re%oram a necessidade de uma previso su!<etiva agregada ao m6todo
quantitativo para prever eventos %uturos 8G##D`2@) NTTTF A.MSH.#@G) NTTI apud
-'M#S) NTTY9"
# a<uste su!<etivo analisa a estimativa quantitativa) avaliando-a mediante os
con*ecimentos dos respons3veis pela previso de vendas da empresa) de acordo com o tipo de
indDstria e con*ecimento do mercado para alcanar a previso %inal 8-'M#S) NTTY9" 'sse
modo de integrao tem a vantagem de apresentar uma !oa relao custo-!ene%(cio) mas tem a
desvantagem de depender da interpretao correta do especialista so!re os %atores contextuais
que em!asam o processo de previso 8`'55aF #[C#@@#.) IQQY9" A acur3cia desse tipo
de integrao 6 maior quando o a<uste qualitativo possui in%orma=es que o modelo
quantitativo no a!orda) como previs=es %uturas de alterao da demanda 8SA@D'.SF
.2HbMA@) NTTI apud -'M#S) NTTY9"
Ho importante quanto a utili,ao de m6todos quantitativos 6 a estruturao de um
processo que trate as quest=es relativas ao mercado) de %orma a integrar o m6todo quantitativo
e o qualitativo) com o o!<etivo de o!ter maior acur3cia na previso) atrav6s da participao e
da co-responsa!ilidade das pessoas tomadoras de decis=es na empresa 8/-'U.aF `A@Z'F
/2GU'2.'D#) NTTO9"
0+4+@ Se'eEF" !" M"!e'" !e Pre6i-F"
Para selecionar o modelo de previso que mel*or se a<usta aos dados) podem ser
utili,ados v3rios m6todos" @en*um es%oro de previso ter3 sucesso se os erros) de%inidos
como a di%erena entre os valores reais e os valores previstos) no %orem apontados e
analisados com o o!<etivo de reavaliar *ipteses e modi%icar o modelo de previso
8C#..\AF G2A@'S2F CA#@) NTTIF MA.H2@SF -AUG'@2) NTTY9" #s erros aleatrios)
em!ora indese<3veis) esto impl(citos em todo processo de previso" # o!<etivo 6 escol*er o
mel*or processo de previso) ou se<a) aquele que gera menores erros para que o plane<amento
se<a menos a%etado 8C#..\AF G2A@'S2F CA#@) NTTI9" Algumas medi=es para quanti%icar
o erro associado a uma previso de demanda so as seguintes 8DAE2SF ALU2-A@#F
CSAS') NTTI9$
YQ
a9 Desvio A!soluto M6dio 8DAM9
# desvio a!soluto m6dio 6 um m6todo simples e muito utili,ado) sendo o erro m6dio
da previso) pois utili,a valores a!solutos" Assim como o desvio padro mede a disperso dos
valores o!servados em torno de alguns valores esperados) o DAM 6 calculado pelo valor
a!soluto do erro 8o mdulo da di%erena entre a demanda real e a previso da demanda9" 'le 6
calculado pela soma dos desvios a!solutos dividido pelo nDmero de dados" 4 medida que o
tempo avana) o desvio m6dio a!soluto passa a ser calculado por um nDmero maior de
per(odos) o que diminui a velocidade de a<ustamento aos dados 8DAE2SF ALU2-A@#F
CSAS') NTTI9$
n
/ A
DAM
n
I t
t t



8YI9
onde$
DAM$ desvio a!soluto m6dioF
$
A
t
demanda real do per(odo tF
$
/
t
demanda prevista para o per(odo tF
n$ nDmero total de per(odos"
!9 'rro Luadr3tico M6dio 8'LM9$
# erro quadr3tico m6dio penali,a a previso muito mais para os desvios extremos do
que para os pequenos desvios" Assim) ao aplicar o crit6rio do erro quadr3tico m6dio) o!t;m-se
erros menores quando os desvios %orem pequenos) do contr3rio) com grandes desvios do valor
da previso) o erro tende a aumentar muito 8`S''-`.2GSHF MAZ.2DAZ2S) IQMX apud
CAEA-S'2.#) NTTO9$
I n
9
/
t
A
t
8
'LM
n
I t
N



8YN9
onde$
VT
'LM$ erro quadr3tico m6dioF
$
A
t
demanda real do per(odo tF
$
/
t
demanda prevista para o per(odo tF
n$ nDmero total de per(odos"
c9 Soma Acumulada dos 'rros de Previso 8SA'9
'sta %orma de c3lculo tem a desvantagem de que os erros) positivos e negativos) se
compensam no somatrio %inal 8MA.H2@SF -AUG'@2) NTTY9$

n
I t
t t
9
/ A
8 SA'

8YO9
onde$
SA'$ soma acumulada dos errosF
$
A
t
demanda real do per(odo tF
$
/
t
demanda prevista para o per(odo tF
n$ nDmero total de per(odos"
d9 Desvio Padro 8DP9
Luando os erros que ocorrem na previso so normalmente distri!u(dos) o desvio
padro relaciona-se com o desvio m6dio a!soluto) da seguinte %orma 8DAE2SF ALU2-A@#F
CSAS') NTTI9$
DP g I)NX" DAM
8YR9
@o modo estat(stico) se os limites de controle %orem %ixados a mais ou menos tr;s
ve,es o desvio padro 8ou O)VX" DAM9) tem-se QQ)Vw dos dados dentro desses limites" #
desvio padro 6 a rai, quadrada do erro quadr3tico m6dio 8DAE2SF ALU2-A@#F CSAS')
NTTI9$
VI
"3M 21

8YX9
e9 Coe%iciente de Determinao
U de%inido) segundo Sarve1 8IQMR9) como sendo a Soma dos Luadrados dos .es(duos
estimados 8SL.9) comparando-a com a correspondente Soma dos Luadrados Hotais"
Assim) .
N
pode ser determinado como a %rao da variao total 8SLH9 que mede o
percentual de explicao pelo modelo com relao a variao da s6rie original e a vari_ncia
residual 9 h 8
N
a
) dado por$
SLH
SL.
I .
N

8YY9
# coe%iciente de determinao pode variar de ,ero a um 8T a I9" Luanto maior o valor
de .
N
) maior 6 o poder de explicao da equao de regresso e) portanto) mel*or a previso
da vari3vel dependente 8SA2.F A@D'.S#@F HAHSAMF 5-ACZ) NTTX9"
0+4+< C"ntr"'e !" M"!e'" !e Pre6i-F" Se'e3i"n!"
Hendo sido selecionado o modelo de previso que mel*or se a<usta aos dados) este 6
utili,ado para prever os valores dos prximos per(odos" Mas) 6 importante garantir)
periodicamente) que o modelo selecionado continue a representar a demanda de vendas"
Assim) 6 %undamental que se utili,em %erramentas para acompan*ar o modelo escol*ido" As
duas %erramentas para controle do modelo de previso selecionado so 8MA.H2@SF
-AUG'@2) NTTYF DAE2SF ALU2-A@#F CSAS') NTTI9$
a9 Sinal de Acompan*amento 8SA9$
# sinal de acompan*amento) monitoramento ou rastreamento 6 a medio que indica
se a m6dia prevista est3 se mantendo com qualquer mudana ascendente ou descendente da
demanda" Pode ser de%inido como o nDmero de desvios m6dios a!solutos) nos quais o valor
VN
previsto est3 acima ou a!aixo da ocorr;ncia real" # sinal de acompan*amento pode ser
calculado da seguinte %orma 8DAE2SF ALU2-A@#F CSAS') NTTI9$
DAM
SA'
SA

8YV9
onde$
SA$ sinal de acompan*amento) monitoramento ou rastreamentoF
SA'$ soma acumulada dos errosF
DAM$ desvio a!soluto m6dio"
'm um modelo de previso de demanda per%eito) a soma dos erros de previso real
seria ,ero) isto 6) o sinal de acompan*amento tam!6m seria ,ero) indicando um modelo no
distorcido) nem acima e nem a!aixo da demanda real 8DAE2SF ALU2-A@#F CSAS') NTTI9"
# sinal de acompan*amento 6 uma vari3vel de m6dia ,ero e desvio padro igual unidade"
Dessa %orma) aceita-se o modelo de previso como v3lido se o valor do sinal de
acompan*amento %icar entre -O e fO) ou se<a) " O O + +7 Caso isto no ocorra) deve-se
iniciar o processo tentando identi%icar um novo modelo 8MA.H2@SF -AUG'@2) NTTY9"
!9 Sinal de Hrigg 8H.9$
# sinal de Hrigg 8H.9 procura corrigir a distoro causada pelo sinal de rastreamento)
pois este deve ser calculado para cada per(odo) de %orma a evitar que os desvios acumulados
cresam demasiadamente) caso o modelo selecionado no mais se<a adequado" Assim) o
desvio a!soluto m6dio pode ser continuamente atuali,ado) usando uma t6cnica de m6dia
exponencial 8MA.H2@SF -AUG'@2) NTTYF DAE2SF ALU2-A@#F CSAS') NTTI9$
DAM
9" I 8 9
/ A
8
DAM I t I t I t t
+
8YM9
onde$
$
DAM
t
desvio a!soluto m6dio no per(odo tF
VO
$
constante de a<uste entre ,ero e a unidade 8normalmente entre T)TX e T)N9F
$
A
I t
demanda real para o per(odo t*IF
/
I t
$ demanda prevista para o per(odo t*IF
$
DAM
I t
desvio a!soluto m6dio no per(odo t*I"
0+4+= C.-t" ! Pre6i-F"
# n(vel timo de previso 6 aquele cu<o custo de execuo de um m6todo de previso
compensa exatamente o custo de se tra!al*ar com uma previso inadequada" 4 medida que a
acur3cia do m6todo aumenta) os custos envolvidos no processo tam!6m aumentam" Por outro
lado) se utili,armos previs=es de !aixa qualidade ou inadequadas) isto pode resultar em custos
no-previstos de mo-de-o!ra) pessoal) mat6ria-prima e de capital 8M#@ZS) IQMV9"
# crit6rio para avaliar a previso 6 a acur3cia) quanti%icando a representao dos dados
pelo modelo escol*ido 8`S''-`.2GSHF MAZ.2DAZ2S) IQMX apud CAEA-S'2.#)
NTTO9" Ao aplicar mais recursos %inanceiros para a previso) atrav6s de m6todos mais
complexos e caros) atinge-se maior acur3cia na previso" 2sso acarreta maior certe,a na
tomada de deciso do gestor da empresa" A /igura IR mostra que o custo de utili,ar apenas a
sensi!ilidade do gestor na previso de vendas 6 alto devido aos erros de previso) implicando
!aixa acur3cia" Por outro lado) se %orem utili,ados modelos muito so%isticados) cu<a
compreenso se restringe a especialistas) os recursos %inanceiros adicionais aplicados para
mel*orar a acur3cia do modelo de previso podem no tra,er retorno empresa) ou se<a) o
custo para mel*orar a previso pode no se <usti%icar economicamente" Dessa %orma) tem-se
um ponto timo ou ideal de operao) representado pelo ponto ideal de operao) e que
apresenta a mel*or relao no trade*o&& entre o custo total e a acur3cia ou preciso
8M#@HG#M'.aF B#S@S#@) IQVYF /-'U.aF `A@Z'F /2GU'2.'D#) NTTT9"
Custo Hotal 8x9
VR


Acur3cia do m6todo de previso
Fi(.r >4: Re'EF" entre 3.rI3i !" %At"!" e " 3.-t" ! 5re6i-F"+
/onte$ Adaptado de MonCs 8IQMV9) p"IQY e /leur1F `anCeF /igueiredo 8NTTT9) p" NRT"
Curva A$ .epresenta o custo total
Curva 5$ .epresenta o custo da previso
Curva C$ .epresenta os custos das m3s-previs=es 8perdas geradas pela incerte,a na
tomada de deciso9"
Dentre os custos a que se incorre com uma previso de vendas de !aixa acur3cia)
podem ser citados$ o custo de estoque de produto %a!ricado em quantidade superior
necess3ria) custo do no-atendimento do cliente por %alta do produto %a!ricado) alto n(vel de
estoque e compras de emerg;ncia) gerando maior custo de transporte 8/-'U.aF `A@Z'F
/2GU'2.'D#) NTTO9"
0+4+2 S&nte-e !" C5&t.'"
@este cap(tulo) %oi apresentado o re%erencial conceitual terico necess3rio para o
desenvolvimento desta dissertao" @o prximo cap(tulo ser3 apresentada a metodologia para
o desenvolvimento deste tra!al*o de pesquisa"
VX
C METODOLOGIA
'ste cap(tulo a!orda a metodologia a ser utili,ada para reali,ao deste tra!al*o"
Segundo Gil 8IQQX9) o o!<etivo %undamental de uma pesquisa 6 desco!rir respostas para
pro!lemas mediante o emprego de procedimentos cient(%icos"
-aCatos e Marconi 8IQQY9 sustentam que toda pesquisa cient(%ica tem como
caracter(stica comum o emprego de m6todos cient(%icos" # m6todo de pesquisa ou
metodologia compreende o con<unto das atividades sistem3ticas e racionais que) com maior
segurana) possi!ilitam o alcance do o!<etivo) traando o camin*o a ser seguido) detectando
erros e auxiliando nas decis=es do investigador"
Segundo Gil 8IQQX9) o m6todo cient(%ico 6 de%inido como um con<unto de
procedimentos t6cnicos e intelectuais com o o!<etivo de atingir o con*ecimento ou con*ecer
determinada realidade" # m6todo identi%ica a %orma pela qual os o!<etivos propostos pelo
tra!al*o sero alcanados 8#-2E'2.A) IQQQ9"
A pesquisa aplicada tem ;n%ase pr3tica na soluo de pro!lemas 8C##P'.F
SCS2@D-'.) NTTO9) sendo este tra!al*o caracteri,ado como uma pesquisa aplicada) cu<os
dados *istricos %oram utili,ados) principalmente) na %orma quantitativa" A pesquisa aplicada
6 motivada pela necessidade de resolver pro!lemas concretos" Hem) portanto) %inalidade
pr3tica) ao contr3rio da pesquisa pura) que 6 impulsionada pela curiosidade intelectual do
pesquisador 8E'.GA.A) NTTY9"
Um estudo de caso !em plane<ado pode representar um desa%io importante para uma
teoria e) simultaneamente) ser a %onte de novas *ipteses e constructos 8C##P'.F
SCS2@D-'.) NTTO9"
A presente dissertao est3 !aseada) tam!6m) numa pesquisa aplicada quantitativa)
que segundo Mene,es e Silva 8NTTI9) tem como o!<etivo gerar con*ecimentos para aplicao
pr3tica dirigida soluo de pro!lemas espec(%icos) com o uso de t6cnicas de modelagem
estat(stica"
Para o desenvolvimento da pesquisa) utili,ou-se o estudo de caso) procedimento
<usti%ic3vel pelo car3ter exploratrio da pesquisa 8H.2P#D2 et al") IQVX9" De acordo com ain
8IQQR9) a opo de estudo de caso) como estrat6gia de pesquisa) se <usti%ica quando o estudo
%ocali,a o _m!ito das decis=es) isto 6) tenta esclarecer o motivo pelo qual as decis=es %oram
tomadas) como %oram implementadas e quais os resultados encontrados"
'sta dissertao a!orda a construo de um modelo de previso de vendas em uma
empresa do setor t;xtil) constituindo-se num estudo de caso" # estudo de caso tem car3ter de
pro%undidade e detal*amento) estando circunscrito a uma empresa) rgo pD!lico)
comunidade ou mesmo um pa(s 8E'.GA.A) NTTY9"
# desenvolvimento deste tra!al*o de pesquisa %oi reali,ado em quatro etapas$
7 #rimeira eta#a: .eviso !i!liogr3%ica so!re os m6todos de previso de vendas"
Dentre os v3rios m6todos de previso) escol*eu-se tra!al*ar com os modelos de 5ox
A BenCins) pois estes apresentam resultados mais precisos e cont;m um nDmero pequeno de
par_metros quando comparados com os demais m6todos de previso 8M#.'HH2@F H#-#2)
IQMV9"
Ham!6m %oram utili,adas in%orma=es decorrentes da literatura citada na !i!liogra%ia
que) de acordo com Cervo e 5ervian 8NTTN9) !usca con*ecer e analisar as contri!ui=es
culturais ou cient(%icas do passado) existentes so!re um determinado assunto) para servir de
!ase %undamental para o desenvolvimento da dissertao"
Utili,ou-se) tam!6m) uma %erramenta muito importante 0 a 2nternet 0 como %onte de
pesquisa) pois) para Severino 8NTTN9) a 2nternet) tornou-se uma indispens3vel %onte de
pesquisa para os diversos campos do con*ecimento" Severino 8NTTN9 destaca ainda que a
2nternet possui um extraordin3rio acervo de dados que est3 colocado disposio de todos
interessados) e que pode ser acessado com extrema %acilidade por todos eles) graas
so%isticao dos recursos atuais"
7 se)$nda eta#a$ Coleta de dados"
Dados so nDmeros e %atos !rutos no analisados) enquanto in%orma=es so dados que
%oram organi,ados ou analisados de modo signi%icativo 8SH#@'.F /.'MA@) IQQQ9" @esta
etapa %oram coletados os dados re%erentes s vendas dos principais produtos do setor de
%a!ricao de tecidos de mal*a %eito em m3quinas circulares) no per(odo de <aneiro de NTTN a
de,em!ro de NTTY" /oi reali,ada uma entrevista com os respons3veis pela previso de vendas)
com o o!<etivo de o!ter os dados qualitativos) por meio do Luadro II 8p3gina INI9" A
VV
empresa que %orneceu os dados para o desenvolvimento deste tra!al*o de pesquisa %oi
designada de 'mpresa Padro) por questo de sigilo das in%orma=es"
7 terceira eta#a: Hratamento dos dados"
Eergara 8NTTY9 a%irma que o tratamento de dados re%ere-se quela seo na qual se
explica para o leitor como se pretende tratar os dados) <usti%icando por que tal tratamento 6
adequado aos propsitos desta pesquisa" Assim) os dados analisados neste tra!al*o levam em
considerao os o!<etivos pr6-de%inidos" @essa etapa) %oi reali,ada uma an3lise exploratria
dos dados re%erentes s vendas dos principais produtos do setor analisado e constru(do um
modelo que mel*or represente o comportamento de cada um dos produtos"
Atualmente) existem v3rios programas dispon(veis para a previso de demanda) sendo
que as pessoas no precisam ser especialistas em t6cnicas estat(sticas de previso para utili,3-
los) pois) em sua maioria) so de %3cil uso e entendimento 8DAE2SF ALU2-A@#F CSAS')
NTTI9"
Pellegrini 8NTTT9 classi%ica os pacotes computacionais estat(sticos em duas classes$ de
uso gen6rico e de uso espec(%ico" #s pacotes de uso gen6rico) em sua maioria) apresentam
uma opo de an3lise de &orecastin)/ sendo utili,ados quando 6 necess3ria uma an3lise
estat(stica e gr3%ica detal*ada dos dados" #s pacotes mais con*ecidos so$ @CSS 8;$m-er
Gr$ncher +tatistical +,stem9) que utili,a os modelos A.2MA) suavi,ao exponencial e
decomposio de s6ries temporaisF +tat)ra#hics) que possui os mesmos modelos do @CSS) o
SPSS 8+tatistical 1acka)e &or +ocial +cience9 e o Statistica" #s pacotes de uso espec(%ico
cont;m apenas as %erramentas estat(sticas para an3lise das s6ries temporais" #s pacotes
espec(%icos para a previso de demanda mais utili,ados so o /orecast Pro e o Auto!ox" #
/orecast Pro o%erece a escol*a autom3tica do modelo que mel*or representa a s6rie temporal"
# Auto!ox permite a an3lise atrav6s dos modelos SA.2MA com e sem interveno)
suavi,ao exponencial) al6m da an3lise de regresso e modelos de %uno de trans%er;ncia"
Para o desenvolvimento desta dissertao %oram utili,ados os programas Auto!ox e o
Statistica verso V"T"
7 0$arta eta#a: An3lise dos .esultados"
A Dltima etapa discute os resultados o!tidos com a aplicao da modelagem
estoc3stica e da an3lise qualitativa"
VM
# m6todo de previso de vendas %oi !aseado na an3lise quantitativa e qualitativa) ou
se<a) utili,ando-se de dados *istricos de vendas de produtos para prever as vendas %uturas)
al6m da opinio dos respons3veis pelo plane<amento da empresa"
As %erramentas auxiliares utili,adas) para a an3lise dos dados) %oram os pacotes
computacionais +tatistica e o 7$toBox" # pacote computacional +tatistica %oi utili,ado para a
an3lise exploratria dos dados) para a modelagem atrav6s de modelos de m6dias mveis e
para a modelagem de .egresso"
# +tatistica %oi desenvolvido pela +tatso&t e serve para a an3lise estat(stica em micro-
computadores do tipo PC" Hrata-se de um sistema interativo) dirigido atrav6s de menus
conectados *ierarquicamente" 'm qualquer est3gio de uma sesso) tornam-se dispon(veis ao
usu3rio v3rias %acilidades que podem ser executadas atrav6s da seleo de um menu
apropriado" Al6m de an3lises estat(sticas) possui uma variedade de atividades com os dados"
Possui um menu !em explicativo e 6 de %3cil uso" Possi!ilita) tam!6m) uma %3cil importao
dos dados"
# pacote computacional 7$toBox %oi utili,ado para a an3lise dos modelos gerais
SA.2MA 8Autoregressivo-2ntegrado-M6dias Mveis9 sa,onais"
VQ
4 ESTUDO DE CASO
@a primeira parte deste cap(tulo ser3 apresentada a aplicao da metodologia de 5ox
A BenCins para a previso de vendas dos principais produtos do setor de m3quinas circulares)
sendo analisados os dados de vendas no per(odo de <aneiro de NTTN a de,em!ro de NTTY para
os produtos A) 5) C" @o per(odo de setem!ro de NTTN a de,em!ro de NTTY) analisou-se o
produto D" @o per(odo de maro de NTTN a de,em!ro de NTTY) %oram analisadas as vendas
para os produtos ' e S" @o intervalo de agosto de NTTO a de,em!ro de NTTY) %oram analisadas
as vendas do produto M" #s dados re%erentes aos meses de <aneiro a a!ril de NTTV no %oram
considerados no processo de construo dos modelos e aplicao das t6cnicas de previso)
para serem utili,ados na previso %ora da amostra"
Aps a metodologia quantitativa) apresenta-se a an3lise qualitativa a partir das
opini=es dos respons3veis pela previso de vendas na empresa" /inalmente) descreve-se uma
com!inao destes dois modelos) !em como o a<uste nas previs=es o!tidas atrav6s do modelo
com!inado) o!tendo-se assim) o modelo integrado de previso de vendas para os principais
produtos do setor analisado da empresa" # o!<etivo 6 o!ter um modelo que %ornea previs=es
mais precisas) auxiliando o gestor na tomada de decis=es) de %orma a otimi,ar os recursos
dispon(veis na empresa) na !usca de maior competitividade da empresa no mercado de
atuao"
R"I A@W-2S' LUA@H2HAH2EA
A modelagem dos principais produtos %a!ricados no setor de m3quinas circulares da
empresa padro em estudo) designados por A) 5) C) D) ') S e M) ser3 reali,ada atrav6s da
metodologia de 5ox A BenCins" Para a an3lise sero considerados modelos de s6ries temporais
com e sem a presena de interveno"
4+>+> SArie re5re-entti6 !- 6en!- !" 5r"!.t" A:
@este item) apresenta-se a an3lise descritiva da s6rie original) os correlogramas das
%un=es de autocorrelao e autocorrelao parcial para analisar a estacionariedade) a
*omocedasticidade da vari_ncia da s6rie e a presena da componente sa,onal) !em como a
determinao da ordem autoregressiva e de m6dias mveis dos dados"
Apresenta-se) tam!6m) a an3lise descritiva da s6rie original e os correlogramas das
%un=es de autocorrelao e autocorrelao parcial para a determinao do modelo que
mel*or se a<usta aos dados"
As medidas descritivas esto colocadas na ta!ela I$
TDe' >: Me!i!- !e-3riti6- !" Pr"!.t" A n" 5er&"!" !e /neir" !e 0110 !eKe%Dr" !e 011<+
Medidas descritivas do 1rod$to 7 =alores
M6dia 8Zg9 YMRX
Desvio Padro 8Zg9 RIXO
C"e#i3iente !e VriEF" NUP YI
/onte$ 'la!orado pelo autor com !ase nos dados"
R"I"I"I Modelo sem interveno para as vendas do produto A
A /igura IX apresenta o comportamento da s6rie original representativa das
quantidades mensais vendidas do produto A 8em Zg9 no per(odo de <aneiro de NTTN a
de,em!ro de NTTY" #!serva-se que a s6rie apresentou uma mudana de n(vel signi%icativa
8prT)TX9 no m;s de maro de NTTO) correspondente ao m;s IX da amostra" Portanto) pode-se
di,er que ela se desenvolve no tempo aleatoriamente ao redor de uma m6dia) a partir do m;s
de a!ril de NTTO) correspondente ao m;s IY" Luanto vari_ncia) a s6rie apresenta uma
*eterodasticidade constante) o que %oi constatado atrav6s do teste / para um n(vel de
signi%ic_ncia de Xw) para os su!per(odos" @este caso no *3 a necessidade de se %a,er
trans%ormao na s6rie para esta!ili,ar a vari_ncia"
MI
0 5 10 15 20 25 30 35 0 5 50 55 !0 !5
"eses
0
5000
10000
15000
20000
25000
#
$
a
n
t
i
%
a
%
e
s

&
e
n
%
i
%
a
s

(
k
'
)
Fi(.r >@:C"%5"rt%ent" ! -Arie "ri(in' !" 6"'.%e %en-' !e 6en!- NT(P !" Pr"!.t" A+
/onte$ 'la!orado pelo autor"
A /igura IY apresenta o comportamento da %uno de autocorrelao" Assim)
analisando-se a %uno de autocorrelao) pode-se con%irmar que a s6rie de vendas mensais 6
estacion3ria) pois apresenta um decaimento r3pido para ,ero a partir do la) CgO) apresentando
uma indicao inicial de que o modelo verdadeiro cont6m componentes de m6dias mveis"
Para con%irmar esta *iptese) %oram calculados os coe%icientes da %uno de autocorrelao
parcial representado na /igura IV" Pela /igura IV) o!serva-se que somente
CC
g I apresenta
valor signi%icativo) para prT)TX) indicando que a s6rie de vendas mensais do Produto A possui
um componente auto-regressivo de ordem I"
Assim) analisando o comportamento con<unto das %un=es de autocorrelao e
autocorrelao parcial) existem dois modelos que podem ser a<ustados) um modelo A.2MA
8I)T)O9 ou um modelo A.2MA8I)T)I9"
MN
(i)ites %e *on+ian,a
-1.0 -0.5 0.0 0.5 1.0
0
24 +.048 .0984
23 +.023 .0997
22 -.003 .1011
21 +.018 .1024
20 -.020 .1037
19 -.089 .1050
18 -.039 .1063
17 -.057 .1075
16 +.024 .1088
15 +.051 .1100
14 +.149 .1112
13 +.197 .1124
12 +.190 .1136
11 +.221 .1148
10 +.201 .1159
9 +.182 .1171
8 +.022 .1182
7 +.115 .1194
6 +.110 .1205
5 +.113 .1216
4 +.246 .1227
3 +.381 .1238
2 +.425 .1249
1 +.464 .1259
Lag Corr. S.E.
Fi(.r ><: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e 6en!- !" 5r"!.t" A
%"!e'" -e% inter6enEF"
/onte$ 'la!orado pelo autor"
(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.022 .1291
14 -.015 .1291
13 -.020 .1291
12 -.079 .1291
11 +.133 .1291
10 +.081 .1291
9 +.128 .1291
8 -.058 .1291
7 +.122 .1291
6 -.046 .1291
5 -.054 .1291
4 -.086 .1291
3 +.160 .1291
2 +.227 .1291
1 +.454 .1291
Lag Corr. S.E.
Fi(.r >=: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" 5r3i' ! -Arie !e 6en!- !" 5r"!.t" A
%"!e'" -e% inter6enEF"
/onte$ 'la!orado pelo autor"
MO

# modelo sem interveno 6 representado por$
t I t
9 MR ) N 8
I t
9 XT ) V 8 9 OV ) X 8
t
a a RVN ) T a MR ) T YYTN a
h
+ + +

As estat(sticas de a<uste %oram$ .
N
g NQw ) o Crit6rio de 2n%ormao de ACaiCe 8A2C9g
-I)QQ e o Crit6rio de Sc*Gar, 852C9g -I)MX" Desta %orma) veri%ica-se que o coe%iciente de
determinao .
N
apresenta um valor !aixo) pois est3 longe do valor unit3rio) o que pre<udica a
acur3cia da modelagem" #s crit6rios de ACaiCe e Sc*Gar,) que medem a verossimil*ana e a
parcim7nia dos modelos) devem apresentar !aixos valores) quanto mais prximos de ,ero
%orem os valores dos crit6rios de ACaiCe e Sc*Gar,) maior acur3cia ser3 o!tida na previso de
vendas"
Pela an3lise dos coe%icientes de autocorrelao) pode-se o!servar pela /igura IM que
todos os coe%icientes esto dentro dos limites de con%iana 8tN 9) indicando que no existe
correlao entre eles) ou se<a) no existe la) signi%icativo 8nen*um ultrapassa o intervalo de
con%iana9" Desta %orma) os res(duos %ormam um processo de ru(do !ranco"
(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.049 .1077
14 +.083 .1088
13 +.049 .1099
12 +.050 .1110
11 +.150 .1120
10 +.071 .1131
9 +.036 .1141
8 -.142 .1151
7 +.040 .1162
6 -.117 .1172
5 -.070 .1182
4 -.049 .1192
3 +.128 .1202
2 +.019 .1212
1 -.029 .1221
Lag Corr. S.E.
Fi(.r >2: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" !"- re-&!."- !" 5r"!.t" A %"!e'"
-e% inter6enEF"+
/onte$ 'la!orado pelo autor"
MR

R"I"I"N Modelo com interveno para as vendas do produto A$
/oi encontrada uma interveno signi%icativa) re%erente a uma mudana na m6dia do
processo na o!servao IX) ou se<a) maro de NTTO" # modelo representativo est3 apresentado
na equao a seguir$
t IX ) I
9 NM " R 8
N t
9 QV ) I 8
I t
9 IM ) N 8 9 XO ) Q 8
t
a 2 YOM " X a OQ ) T a YT ) T TVQ " II a
h
+ + +


As estat(sticas de a<uste %oram de .
N
g RRw) A2C g -N)NV e 52C g -N)IV) as quais
%oram mel*ores do que as encontradas atrav6s do modelo A.2MA8I)T)I9 sem interveno)
pois o coe%iciente de determinao passou de NQw no modelo sem interveno para RRw no
modelo com interveno" A %uno de autocorrelao da s6rie de res(duos no apresentou
nen*um ponto %ora dos limites de controle) indicando que o modelo gerou uma s6rie de erros
aleatrios) portanto pode-se utili,ar o modelo para %a,er previs=es) con%orme a /igura IQ"
(i)ites %e con+ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.030 .1100
14 +.073 .1112
13 +.034 .1124
12 +.029 .1136
11 +.144 .1148
10 +.076 .1159
9 +.040 .1171
8 -.142 .1182
7 +.041 .1194
6 -.095 .1205
5 -.070 .1216
4 -.069 .1227
3 +.124 .1238
2 +.027 .1249
1 -.030 .1259
Lag Corr. S.E.
Fi(.r >B: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" !"- re-&!."- !" Pr"!.t" A - %"!e'" 3"%
inter6enEF"+
/onte$ 'la!orado pelo autor"
MX
R"I"I"O Previso para as vendas do produto A
/oram calculadas as previs=es para o per(odo de <aneiro a a!ril de NTTV) pelos
modelos sem interveno) com interveno e as previs=es %ornecidas pela empresa) que esto
apresentadas no Luadro O"
# crit6rio utili,ado para escol*er o mel*or modelo de previso %oi o MAP') equao
nv XX da p3gina YN) que est3 apresentado no Luadro O" Eeri%ica-se) de %orma clara) que o atual
m6todo de previso utili,ado pela empresa apresenta o maior erro 8MAP' g XO)NOw9 quando
comparado com os dois m6todos de 5ox A BenCins ) ou se<a) apresenta a menor acur3cia na
previso de vendas"
?.!r" C: C"%5rEF" !" MAt"!" !e 7", R SenTin- 3"% Inter6enEF" e -e% Inter6enEF" 3"%
"- V'"re- Pre6i-t"- 5e' E%5re- e - Ven!- Rei- Ne% 8(P !" Pr"!.t" A
tr6A- !" MAPE+
Meses
NTTV
Modelo sem
2nterveno
Modelo com
2nterveno
Ealor Previsto pela
'mpresa
Eenda .eal do Produto A
Baneiro XNMR YVMT VRNT VYOR
/evereiro XRQQ XNYY ITTTT XNTI
Maro XYVQ RQVN VTTT RXQT
A!ril XMOT RINT XTTT OTNR
MAP'
8w9
OM)NY IR)NX XO)NO -
/onte$ 'la!orado pelo autor com !ase nos dados"
4+>+0 SArie re5re-entti6 !- 6en!- !" 5r"!.t" 7:
@este item) apresenta-se a an3lise descritiva da s6rie original e os correlogramas das
%un=es de autocorrelao e autocorrelao parcial para a determinao do modelo que
mel*or se a<usta aos dados"
As medidas descritivas esto colocadas na Ha!ela N$
TDe' 0: Me!i!- !e-3riti6- !" Pr"!.t" 7 n" 5er&"!" !e /neir" !e 0110 !eKe%Dr" !e 011<+
Medidas descritivas do 1rod$to B =alores
M6dia 8Zg9 XOIY
Desvio Padro 8Zg9 VVNR
C"e#i3iente !e VriEF" NUP IRX
MY
/onte$ 'la!orado pelo autor com !ase nos dados"
R"I"N"I Modelo sem interveno para as vendas do produto 5$
A /igura NT apresenta o comportamento da s6rie original representativa das
quantidades mensais vendidas do produto 5 8em Zg9 no per(odo de <aneiro de NTTN a
de,em!ro de NTTY" @a /igura NT) o!serva-se que a s6rie apresenta v3rios o$tiliers
signi%icativos 8prT)TX9) portanto pode-se di,er que ela se desenvolve no tempo aleatoriamente
ao redor de uma m6dia) podendo ser considerada estacion3ria) em relao vari_ncia" Pode-se
a%irmar) com !ase no teste / para um n(vel de signi%ic_ncia de Xw para os su!per(odos) que
ela 6 constante) no *avendo a necessidade de se %a,er trans%orma=es na s6rie original para
esta!ili,ar a vari_ncia"
0 5 10 15 20 25 30 35 0 5 50 55 !0 !5
"eses
-10000
0
10000
20000
30000
0000
50000
!0000
#
$
a
n
t
i
%
a
%
e
s

.
e
n
%
i
%
a
s
(
k
'
)
Fi(.r 01: C"%5"rt%ent" ! -Arie "ri(in' !" 6"'.%e %en-' !e 6en!- NT(P !" Pr"!.t" 7+
/onte$ 'la!orado pelo autor"
Analisando-se as /iguras NI e NN) pode-se a%irmar que a s6rie 6 estacion3ria tanto na
m6dia como na vari_ncia) pois os gr3%icos da %uno de autocorrelao e autocorrelao
parcial t;m coe%icientes que tendem a ,ero rapidamente) sugerindo um modelo A.2MA
8I)T)I9 sem interven=es"
MV
Fi(.r 0>: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e 6en!- !" 5r"!.t" 7
%"!e'" -e% inter6enEF"+
/onte$ 'la!orado pelo autor"
(i)i tes %e con+i an,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.042 .1291
14 -.022 .1291
13 +.082 .1291
12 +.164 .1291
11 +.325 .1291
10 +.034 .1291
9 -.158 .1291
8 -.173 .1291
7 -.121 .1291
6 -.078 .1291
5 -.094 .1291
4 -.131 .1291
3 -.108 .1291
2 -.104 .1291
1 +.053 .1291
Lag Corr. S.E.
Fi(.r 00: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" 5r3i' ! -Arie !e 6en!- !" 5r"!.t" 7
%"!e'" -e% inter6enEF"+
/onte$ 'la!orado pelo autor"
# modelo sem interveno 6 representado por$
t I t
9 MR ) N 8
II t
9 XT ) V 8 9 OV ) X 8
t
a a RVN ) T a MR ) T YYTN a
h
+ + +

As estat(sticas de A<uste %oram$ .
N
g NNw ) o Crit6rio de 2n%ormao de ACaiCe
8A2C9g -T)XT e o Crit6rio de Sc*Gar, 852C9g -T)RY" 'm!ora os dois crit6rios) de ACaiCe e
MM
Sc*Gar,) ten*am valores prximos de ,ero) o que mel*ora a previso) tem-se um valor muito
!aixo do coe%iciente de determinao .
N
) o que !aixa a acur3cia do modelo"
@a /igura NO mostra-se o comportamento dos coe%icientes de autocorrelao para a
s6rie de res(duos"
(i)ites %e *on+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.197 .1100
14 -.046 .1112
13 -.046 .1124
12 +.040 .1136
11 +.220 .1148
10 -.038 .1159
9 -.133 .1171
8 +.135 .1182
7 -.061 .1194
6 +.076 .1205
5 -.017 .1216
4 -.049 .1227
3 -.099 .1238
2 -.037 .1249
1 +.020 .1259
Lag Corr. S.E.
Fi(.r 0C: C"e#i3iente- ! F.nEF" !e .t"3"rre'EF" !"- re-&!."- !" Pr"!.t" 7 -
%"!e'" -e% inter6enEF"+
/onte$ 'la!orado pelo autor"
#!servando-se a /igura NO) pode-se di,er que o modelo 6 adequado) pois todos os
coe%icientes de autocorrelao esto dentro dos limites de con%iana) ou se<a) demonstram que
a s6rie de res(duos 6 um ru(do !ranco"
R"I"N"N Modelo com interveno para as vendas do produto 5$
/oram detectadas cinco interven=es signi%icativas nos per(odos t iguais a IY) NV) OM)
OQ e RQ) do tipo o$tliers" # modelo est3 representado por$
t OQ ) X
9 TI ) Q 8
NV ) R
9 YO ) X 8
IY ) O
9 TI ) Q 8
OM ) N
9 NT ) V 8
RQ ) I
9 IM ) NQ 8
I t
9 YX ) Y 8 9 IN ) V 8
t
a 2 NOYI ) I 2 QXRRQ ) T 2 XXNY ) I 2 YQIN ) I 2 QXMN ) R a YM ) T Q ) OXMQ a
h
+ + + + +


MQ
As estat(sticas de a<uste %oram de .
N
g QNw F A2C g -N)MNF 52C g -N)XV) as quais %oram
mel*ores do que as encontradas atrav6s do modelo A.2MA8I)T)I9 sem interveno) pois o
coe%iciente de determinao passou de NNw no modelo sem interveno para QNw no modelo
com interveno) %icando mais prximo de ITTw ou valor unit3rio) mel*orando a capacidade
de previso do modelo" A %uno de autocorrelao da s6rie de res(duos no apresentou
nen*um ponto %ora dos limites de controle indicando que o modelo gerou uma s6rie de erros
aleatrios" Portanto) pode-se utili,ar o modelo para %a,er previs=es"
Fi(.r 04: C"e#i3iente- ! F.nEF" !e .t"3"rre'EF" !"- re-&!."- !" Pr"!.t" 7 -
%"!e'" 3"% inter6enEF"+
/onte$ 'la!orado pelo autor"
R"I"N"O Previso para as vendas do produto 5
/oram calculadas as previs=es para o per(odo de <aneiro a a!ril de NTTV) pelos
modelos sem interveno) com interveno e as previs=es %ornecidas pela empresa) que esto
apresentados no Luadro R"
Com relao a este produto no %oi poss(vel %a,er a an3lise re%erente preciso das
previs=es) pois) para o per(odo em an3lise) s *avia o valor real para o m;s de <aneiro de
NTTV) impossi!ilitando assim o c3lculo do MAP' para dados %ora da amostra"
QT
?.!r" 4: C"%5rEF" !" MAt"!" !e 7", R SenTin- 3"% Inter6enEF" e -e% Inter6enEF" 3"%
"- V'"re- Pre6i-t"- 5e' E%5re- 5r - 6en!- !" Pr"!.t" 7+
Meses
NTTV
Modelo sem
2nterveno
Modelo com
2nterveno
Ealor Previsto pela
'mpresa
Baneiro VRVX QXXM VMTT
/evereiro YORM MRNQ INMTT
Maro VXXQ QINT INMTT
A!ril RMVY MYVQ IIXTT
/onte$ 'la!orado pelo autor com !ase nos dados"
4+>+C SArie re5re-entti6 !- 6en!- !" 5r"!.t" C:
@este item) apresenta-se a an3lise descritiva da s6rie original e os correlogramas das
%un=es de autocorrelao e autocorrelao parcial para a determinao do modelo que
mel*or se a<usta aos dados de vendas do produto C"
As medidas descritivas esto colocadas na Ha!ela O$
TDe' C: Me!i!- !e-3riti6- !" Pr"!.t" C n" 5er&"!" !e /neir" !e 0110 !eKe%Dr" !e 011<+
Medidas descritivas do 1rod$to G =alores
M6dia 8Zg9 RVXY
Desvio Padro 8Zg9 NVOR
C"e#i3iente !e VriEF" NUP XV
/onte$ 'la!orado pelo autor com !ase nos dados"
R"I"O"I Modelo sem interveno para as vendas do produto C
@a /igura NX) apresenta-se o comportamento da s6rie representativa do Produto C"
Pode-se di,er que ela se desenvolve no tempo aleatoriamente ao redor de uma m6dia)
podendo ser considerada estacion3ria" Luanto vari_ncia) a s6rie no apresenta uma
QI
*omocedasticidade constante) o que tam!6m %oi con%irmado atrav6s do teste / para um n(vel
de signi%ic_ncia de Xw) para os su!per(odos de NTTN e NTTX) cu<o valor da estat(stica
calculada %oi de X)TN sendo que a estat(stica ta!elada 6 de N)YQ) para um n(vel de signi%ic_ncia
de Xw" @este caso *3 a necessidade de se %a,er trans%orma=es na s6rie original para
esta!ili,ar a vari_ncia) aps v3rias tentativas) optou-se pela rai, quadrada) pois %oi a mel*or
trans%ormao encontrada"
0 5 10 15 20 25 30 35 0 5 50 55 !0 !5
"eses
-2000
0
2000
000
!000
/000
10000
12000
1000
1!000
#
$
a
n
t
i
%
a
%
e
s

.
e
n
%
i
%
a
s

(
k
'
)
Fi(.r 0@: C"%5"rt%ent" ! -Arie "ri(in' !" 6"'.%e %en-' !e 6en!- NT(P !" Pr"!.t" C+
/onte$ 'la!orado pelo autor"
A /igura NY apresenta o comportamento da s6rie trans%ormada" Aplicando-se o teste /
para um n(vel de signi%ic_ncia de Xw) cu<os valores da estat(stica calculada para todos os
su!per(odos encontrados %oram I)QMF I)OTF I)NX e N)YY) sendo que a estat(stica ta!elada 6 de
N)YQ" Assim) pode-se concluir que a trans%ormao aplicada esta!ili,ou a vari_ncia)
apresentando um o$tlier no per(odo OR correspondendo ao m;s de outu!ro de NTTR"
QN
0 5 10 15 20 25 30 35 0 5 50 55 !0
"eses
0
20
0
!0
/0
100
120
10
#
$
a
n
t
i
%
a
%
e
s

.
e
n
%
i
%
a
s

t
r
a
n
s
+
o
r
)
a
%
a
s
(

r
a
i
0

q
$
a
%
r
a
%
a
)
Fi(.r 0<: C"%5"rt%ent" ! -Arie trn-#"r%! NriK O.!r!P !" 6"'.%e %en-' !e 6en!-
NT(P !" Pr"!.t" C+
/onte$ 'la!orado pelo autor"
@as /iguras NV e NM apresenta-se o comportamento das %un=es de autocorrelao e
autocorrelao parcial"
(i )i tes %e con+i an,a
-1.0 -0.5 0.0 0.5 1.0
0
24 -.038 .0984
23 -.021 .0997
22 +.045 .1011
21 -.001 .1024
20 +.091 .1037
19 +.144 .1050
18 +.310 .1063
17 +.045 .1075
16 -.024 .1088
15 +.057 .1100
14 -.167 .1112
13 -.081 .1124
12 +.005 .1136
11 +.014 .1148
10 -.143 .1159
9 +.005 .1171
8 +.043 .1182
7 +.093 .1194
6 +.010 .1205
5 -.120 .1216
4 +.075 .1227
3 +.097 .1238
2 -.042 .1249
1 +.176 .1259
Lag Corr. S.E.
Fi(.r 0=: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e 6en!- !" 5r"!.t" C+
/onte$ 'la!orado pelo autor"
Analisando a /igura NV) pode-se concluir que a s6rie 6 estacion3ria) pois possui um
decaimento r3pido para ,ero) apresentando somente um la) kgIM signi%icativo) ou se<a) %ora
dos limites de con%iana) indicando que o modelo pode possui componentes de m6dias
QO
mveis" Da mesma %orma) a /igura NM mostra que o coe%iciente de autocorrelao parcial
re%erente ao la) kgIM est3 %ora dos limites de con%iana) indicando que a s6rie de vendas
mensais do Produto C pode possuir componentes auto-regressivos"
(i )i tes %e con+i an,a
-1.0 -0.5 0.0 0.5 1.0
0
24 -.142 .1291
23 -.001 .1291
22 +.046 .1291
21 -.089 .1291
20 +.121 .1291
19 -.002 .1291
18 +.308 .1291
17 +.143 .1291
16 -.037 .1291
15 +.061 .1291
14 -.144 .1291
13 -.047 .1291
12 -.020 .1291
11 +.078 .1291
10 -.191 .1291
9 +.010 .1291
8 +.041 .1291
7 +.055 .1291
6 +.060 .1291
5 -.133 .1291
4 +.032 .1291
3 +.123 .1291
2 -.076 .1291
1 +.176 .1291
Lag Corr. S.E.
Fi(.r 02: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" 5r3i' ! -Arie !e 6en!- !" 5r"!.t" C+
/onte$ 'la!orado pelo autor"
Com !ase na an3lise das %un=es de autocorrelao e autocorrelao parcial)
a<ustaram-se dois modelos) um sem interveno e outro com interveno) que esto
apresentados a seguir"
# modelo a<ustado sem interveno %oi do tipo SA.2MA8I)T)T9x8N)T)T9$
t t t t t
a 6 6 6 6
9 IX ) T 8
IN Y
9 OQ ) T 8
I
9 RO ) I 8 9 RX ) II 8
TN ) T TY ) T IQ ) T RVXI
h

+ +
Como os coe%icientes autoregressivos
I
) Y

e IN

no so signi%icativos para
prT)TX) ou se<a) so menores que o valor I)QY) correspondente ao n(vel de signi%ic_ncia de
Xw) o modelo sem interveno se resume equao a!aixo$

t
9 RX ) II 8
t
a RVXI a
h
+
QR
As estat(sticas de a<uste %oram .
N
g QYw ) os crit6rios 8A2C9g -N)YN e 852C9g -N)XX)
demonstrando um coe%iciente de determinao .
N
muito prximo a ITT w ou valor unit3rio)
revelando !oa capacidade de previso do modelo"
Pela an3lise dos coe%icientes de autocorrelao dos res(duos) mostrados pela %igura NQ)
pode-se o!servar que todos os coe%icientes esto dentro dos limites de con%iana 8tN 9)
correspondente ao n(vel de signi%ic_ncia de Xw) o que mostra que a s6rie 6 um ru(do !ranco e
pode ser utili,ada para previso"
(i)ites %e con+ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 +.163 .1100
14 -.189 .1112
13 -.100 .1124
12 -.016 .1136
11 +.079 .1148
10 -.164 .1159
9 +.059 .1171
8 +.014 .1182
7 +.129 .1194
6 -.051 .1205
5 -.185 .1216
4 +.117 .1227
3 +.098 .1238
2 -.139 .1249
1 +.022 .1259
Lag Corr. S.E.
Fi(.r 0B: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e re-&!."- !" 5r"!.t" C
%"!e'" -e% inter6enEF"+
/onte$ 'la!orado pelo autor"
R"I"O"N Modelo com interveno para as vendas do produto C
/oi adicionada uma vari3vel de interveno) relativa a outu!ro de NTTR)
correspondente ao m;s OR da amostra" # impacto de curto pra,o 8
T
gIT"VYR9 %oi instant_neo
8isto 6 !gT9) ou se<a) sem de%asagem temporal e com magnitude de IT"VYR" 'm outras
palavras) esse impacto de interveno em outu!ro de NTTR so!re as vendas %oi respons3vel
pela elevao do n(vel das vendas em IT"VYR Cilos"
# modelo a<ustado %oi do tipo$
QX
t IN t
9 OV ) T 8
Y t
9 TO ) I 8
I t
9 YY ) T 8 9 TI ) IT 8
t
a a TY ) T a IY ) T a TQ ) T RRXO a
h
+ + + +

Como os coe%icientes autoregressivos
I
) Y

e IN

no so signi%icativos para
prT)TX) pois os valores so in%eriores ao valor I)QY correspondente ao n(vel de signi%ic_ncia
de Xw) o modelo com interveno se resume equao a!aixo$
t OR ) I
9 TQ ) R 8 9 TI ) IT 8
t
a 2 VYR " IT RRXO a
h
+ +
As estat(sticas de a<uste %oram de .
N
g QMw F A2C g -N)VMF 52C g -N)VI" As estat(sticas
de a<uste do modelo com interveno %oram mel*ores do que as encontradas atrav6s do
modelo SA.2MA8I)T)T9x8N)T)T9 sem interveno) pois o coe%iciente de determinao passou
de QYw no modelo sem interveno para QMw no modelo com interveno) %icando ainda
mais prximo de ITTw ou do valor unit3rio) que 6 a situao ideal"
A /igura OT representa a etapa de veri%icao) avaliando se o modelo estimado 6
adequado para %a,er as previs=es" Con%orme pode-se veri%icar na /igura OT) todos os
coe%icientes esto dentro dos limites de con%iana) demonstrando que a s6rie de res(duos 6 um
ru(do !ranco 8aleatrio9) ou se<a) o modelo pode ser utili,ado para prever as vendas do
produto C"
Fi(.r C1: C"e#i3iente- ! F.nEF" !e .t"3"rre'EF" !"- re-&!."- !" %"!e'" SARIMA
N>)1)1P, N0)1)1P 3"% inter6enEF" !- 6en!- !" Pr"!.t" C+
/onte$ ela!orado pelo autor"
QY
R"I"O"O Previso para as vendas do produto C
/oram calculadas as previs=es para o per(odo de <aneiro a a!ril de NTTV) pelos
modelos sem interveno) com interveno e as previs=es %ornecidas pela empresa) que esto
apresentados no Luadro X"
# crit6rio utili,ado para escol*er o mel*or modelo de previso %oi o MAP') que est3
apresentado no Luadro X"
?.!r" @: C"%5rEF" !" MAt"!" !e 7", R SenTin- 3"% Inter6enEF" e -e% Inter6enEF" 3"%
"- V'"re- Pre6i-t"- 5e' E%5re- e - Ven!- Rei- Ne% 8(P tr6A- !" Pr"!.t" C tr6A- !"
MAPE+
Meses
NTTV
Modelo sem
2nterveno
Modelo com
2nterveno
Ealor Previsto
pela 'mpresa
Eenda .eal do
Produto C
Baneiro RMYR RNMQ NMXV OOXI
/evereiro RXXM XTVM XTTT RMVY
Maro RVVM RRON XNTT RROY
A!ril RYIX RMMV XTTT XQIT
MAP' 8w9 NT)OV IN)OM IN)YT -
/onte$ 'la!orado pelo autor com !ase nos dados"
4+>+4 SArie re5re-entti6 !- 6en!- !" 5r"!.t" D
@este item) apresenta-se a an3lise descritiva da s6rie original e os correlogramas das
%un=es de autocorrelao e autocorrelao parcial para a determinao do modelo que
mel*or se a<usta aos dados re%erentes s quantidades vendidas do produto D"
As medidas descritivas esto colocadas na Ha!ela R$
TDe' 4: Me!i!- !e-3riti6- !" Pr"!.t" D n" 5er&"!" !e -ete%Dr" !e 0110 !eKe%Dr" !e
011<+
Medidas descritivas do 1rod$to 2 =alores
M6dia 8Zg9 XORM
QV
Desvio Padro 8Zg9 RTVM
C"e#i3iente !e VriEF" NUP VY
/onte$ 'la!orado pelo autor com !ase nos dados"
A variao pode ser em %uno dos o$tliers ocorridos nos per(odos de <un*o de NTTO
8m;s IT9 e maro de NTTR 8m;s IQ9) quando *ouve uma reduo de YXw e um aumento
percentual nas vendas em YVw) respectivamente) !em como uma mudana de n(vel em
%evereiro de NTTY na magnitude de IYOw 8m;s RN9"
A /igura OI apresenta o comportamento da s6rie original representativa das
quantidades mensais vendidas 8em Zg9 no per(odo de setem!ro de NTTN a de,em!ro de NTTY)
do Produto D" #!servando-se a /igura OI) a s6rie apresentou dois o$tliers e uma mudana de
n(vel"

0 5 10 15 20 25 30 35 0 5 50 55
"eses
0
5000
10000
15000
20000
25000
#
$
a
n
t
i
%
a
%
e

%
e

&
e
n
%
a
s

(
k
'
)
Fi(.r C>: C"%5"rt%ent" ! -Arie "ri(in' !" 6"'.%e %en-' !e 6en!- NT(P !" Pr"!.t" D+
/onte$ 'la!orado pelo autor"
Pelos correlogramas) /iguras ON e OO) pode-se di,er que ela se desenvolve no tempo
aleatoriamente ao redor de uma m6dia) podendo ser considerada estacion3ria"
QM



(i)ites %e con+ian,a
-1.0 -0.5 0.0 0.5 1.0
0
24 +,135 ,0999
23 +,228 ,1016
22 +,124 ,1034
21 +,033 ,1051
20 -,047 ,1068
19 -,132 ,1084
18 -,217 ,1100
17 -,211 ,1116
16 -,142 ,1132
15 +,010 ,1148
14 +,109 ,1163
13 +,161 ,1179
12 +,196 ,1194
11 +,185 ,1208
10 +,011 ,1223
9 -,133 ,1237
8 -,247 ,1252
7 -,364 ,1266
6 -,375 ,1280
5 -,326 ,1294
4 -,191 ,1307
3 +,100 ,1321
2 +,331 ,1334
1 +,611 ,1348
Lag Corr. S.E.
Fi(.r C0: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e 6en!- !" 5r"!.t" D+
/onte$ 'la!orado pelo autor"



(i)ites %e con+ian,a
-1.0 -0.5 0.0 0.5 1.0
0
24 -,185 ,1387
23 +,136 ,1387
22 -,005 ,1387
21 -,032 ,1387
20 -,019 ,1387
19 +,086 ,1387
18 -,006 ,1387
17 -,045 ,1387
16 -,165 ,1387
15 -,020 ,1387
14 -,031 ,1387
13 -,065 ,1387
12 -,091 ,1387
11 +,109 ,1387
10 +,035 ,1387
9 -,046 ,1387
8 -,004 ,1387
7 -,074 ,1387
6 -,093 ,1387
5 -,093 ,1387
4 -,301 ,1387
3 -,121 ,1387
2 -,067 ,1387
1 +,611 ,1387
Lag Corr. S.E.
Fi(.r CC: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" 5r3i' ! -Arie !e 6en!- !"
5r"!.t" D+
/onte$ 'la!orado pelo autor"
R"I"R"I Modelo sem interveno para as vendas do produto D
Aparentemente a s6rie apresenta uma componente sa,onal de ordem sgO" Luanto
vari_ncia) a s6rie apresenta uma *omocedasticidade constante) o que %oi constatado atrav6s do
QQ
teste / para um n(vel de signi%ic_ncia de Xw para os su!per(odos analisados" #s valores de /
para os cinco su!per(odos %oram V)MO 8/
Xw
)
II) O
g M)VQ9 e I)QRF O)ITF I)XQF I)IQ) enquanto que
o /
Xw
)
II) II
g N)YQ" @este caso no *3 a necessidade de se %a,er trans%ormao na s6rie para
esta!ili,ar a vari_ncia" Ham!6m %icou vis(vel a presena de uma componente sa,onal
trimestral"
Assim) com !ase nestas in%orma=es) o modelo a<ustado sem interveno
SA.2MA8N)T)T9x8T)T)N9
O
%oi$
t Y
9 VM ) T 8
O t
9 VN ) T 8
N t
9 MO ) T 8
I t
9 RX ) R 8 9 YX ) X 8
t
a a NV ) T a IN ) T a YV ) T a YV ) T XRQM a
h
+ + +

#s valores entre par;nteses representam a estat(stica >t? calculada para as estimativas


dos par_metros) a qual 6 signi%icativa para prT)TX 8tgI)QY9" As estat(sticas de a<uste %oram
.
N
g RYw ) o 8A2C9$ -N)NY e o 852C9$ -N)IR" # coe%iciente de determinao apresentou um
valor !aixo comparado com o ideal) prximo de ITTw ou do valor unit3rio" # coe%iciente a
t
6
o res(duo) que 6 independente e identicamente distri!u(do) portanto um ru(do !ranco)
con%orme a /igura OR"
Pela an3lise dos coe%icientes de autocorrelao) pode-se o!servar pela /igura OR) que
todos os coe%icientes esto dentro dos limites de con%iana 8tN 9) logo o modelo 6 adequado
para a reali,ao de previs=es"
(i )i tes %e con+i an,a
-1.0 -0.5 0.0 0.5 1.0
0
15 +.030 .1130
14 +.010 .1144
13 +.069 .1157
12 +.192 .1171
11 +.185 .1185
10 -.062 .1198
9 -.015 .1211
8 -.043 .1224
7 -.173 .1237
6 -.021 .1250
5 -.091 .1263
4 -.169 .1275
3 +.004 .1288
2 +.064 .1300
1 -.021 .1312
Lag Corr. S.E.
0
10.49 .7880
10.42 .7311
10.41 .6603
10.05 .6116
7.37 .7682
4.93 .8955
4.67 .8623
4.65 .7941
4.53 .7173
2.57 .8607
2.54 .7705
2.01 .7330
.27 .9659
.27 .8748
.03 .8735
Q p
Fi(.r C4: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e re-&!."- !" 5r"!.t" D
%"!e'" -e% inter6enEF"+
/onte$ 'la!orado pelo autor"
ITT
R"I"R"N Modelo com interveno para as vendas do produto D
Para as quantidades vendidas do produto D) o A.2MA que mel*or se a<ustou %oi um
modelo contendo dois par_metros autoregressivos de ordem #gI e #gR e tr;s vari3veis de
interveno) que correspondem s seguintes datas <un*o de NTTO 8m;s IT9F maro de NTTR
8m;s IQ9 e %evereiro de NTTY 8m;s RN9" As interven=es ocorridas em <un*o de NTTO 8m;s IT9
e maro de NTTR 8m;s IQ9 representam interven=es do tipo impulso) isto 6) os seus e%eitos
ocorrem somente nos per(odos onde *ouve a interveno" A interveno ocorrida em %evereiro
de NTTY 6 do tipo ste#) ou se<a) mudana de n(vel" 'sse modelo pode ser escrito da seguinte
%orma$
t RN ) O
9 IN ) V 8
IQ ) N
9 VT ) N 8
IT ) I
9 IR ) R 8
R t
9 YT ) N 8
I t
9 VX ) Y 8 9 NT ) V 8
t
a 2 MNT " II 2 ONV " R 2 XXQ " V a NR ) T a YX ) T QVO " IT a
h
+ + + +


# coe%iciente do par_metro autoregressivo de ordem I 8
I
g T)YX9 mostra que YXw das
quantidades vendidas no per(odo t*1 transmite-se s quantidades vendidas no per(odo t) ou
se<a) no m;s seguinte) e que o de ordem R 8
N
g T)NR9) mostra que as quantidades vendidas no
prximo m;s so redu,idas em NRw em %uno das vendas ocorridas em R meses passados"
'm relao magnitude dos par_metros das interven=es) pode-se di,er
T
g -Y"YIR)
ocasionando uma reduo de Y"YIR Cg) enquanto que
I
g R"OTQ proporciona um aumento de
R"OTQ Cg e
O
g II"NXQ 6 respons3vel pela alterao do n(vel da s6rie em II"NXQ Cg"
As estat(sticas de a<uste %oram de .
N
g MIw F A2C g -O)IQ e 52C g -N)QY)
demonstrando que %oram mel*ores do que as encontradas atrav6s do modelo SA.2MA
8N)T)T9x8T)T)N9
O
sem interveno) pois o coe%iciente de determinao passou de RYw para
MIw) indicando que o modelo tem condi=es de reali,ar uma previso com maior acur3cia" #s
valores do Crit6rio de 2n%ormao de ACaiCe e o Crit6rio de Sc*Gar,) que medem a
verossimil*ana dos modelos 0 relacionada com a minimi,ao da soma dos quadrados dos
res(duos do modelo e a parcim7nia 0 vinculada a um pequeno nDmero de par_metros para a
representao matem3tica da s6rie) apresentam valores um pouco acima de ,ero 8situao
ideal9"
A %uno de autocorrelao da s6rie de res(duos no apresentou nen*um ponto %ora
dos limites de controle" 2sto indica que o modelo gerou uma s6rie de erros aleatrios)
con%orme /igura OX) portanto pode-se utili,ar o modelo para %a,er previs=es"
ITI
Fi(.r C@ - C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e re-&!."- !" 5r"!.t" D
%"!e'" 3"% inter6enEF"+
/onte$ 'la!orado pelo autor"
R"I"R"O Previso para as vendas do produto D
/oram calculadas as previs=es para o per(odo de <aneiro a a!ril de NTTV) pelos
modelos sem interveno) com interveno) as quais esto apresentadas no quadro Y)
<untamente com as previs=es %ornecidas pela empresa"
# crit6rio utili,ado para escol*er o mel*or modelo de previso %oi o MAP') que est3
apresentado no Luadro Y"
?.!r" <: C"%5rEF" !" MAt"!" !e 7", R SenTin- 3"% Inter6enEF" e -e% Inter6enEF" 3"%
"- V'"re- Pre6i-t"- 5e' E%5re- e - Ven!- Rei- Ne% 8(P !" Pr"!.t" D tr6A- !" MAPE+
Meses
NTTV
Modelo sem
2nterveno
Modelo com
2nterveno
Ealor Previsto
pela 'mpresa
Eenda .eal do Produto D
Baneiro MINM MYQI MVRT QIOQ
/evereiro VOQT QRXT IITTT IONNY
Maro YXNY MOXY IXTTT ITNIT
A!ril XRRT ROMY IIXTT OMNT
MAP'
8w9
OO)RN IY)YI YV)NQ -
/onte$ 'la!orado pelo autor com !ase nos dados"
ITN
# modelo com interveno 6 o mel*or modelo univariado) principalmente em relao
ao valor previsto pela empresa) mostrando que os modelos com interveno %ornecem
in%orma=es adicionais) ou se<a) as varia=es at(picas ocorridas nos meses de <un*o de NTTO
8m;s IT9) maro de NTTR 8m;s IQ9 e %evereiro de NTTY 8m;s RN9"
4+>+@ SArie re5re-entti6 !- 6en!- !" 5r"!.t" E
@este item) apresenta-se an3lise descritiva da s6rie original e os correlogramas das
%un=es de autocorrelao e autocorrelao parcial para a determinao do modelo que
mel*or se a<usta aos dados"
TDe' @: Me!i!- !e-3riti6- !" Pr"!.t" E n" 5er&"!" !e %rE" !e 0110 !eKe%Dr" !e 011<+
Medidas descritivas do 1rod$to " =alores
M6dia 8Zg9 NITO
Desvio Padro 8Zg9 IOOM
C"e#i3iente !e VriEF" NUP YR
/onte$ 'la!orado pelo autor com !ase nos dados"
A variao 6 em %uno do o$tlier existente no m;s de setem!ro de NTTO 8m;s IQ9)
quando *ouve um aumento percentual nas vendas em IVXw) que) ao n(vel de signi%ic_ncia de
Xw) %oi signi%icativo" A /igura OY representa o comportamento da s6rie$

0 5 10 15 20 25 30 35 0 5 50 55 !0
"eses
0
1000
2000
3000
000
5000
!000
1000

#
$
a
n
t
i
%
a
%
e

%
e

&
e
n
%
a
s

(
k
'
)
Fi(.r C<: C"%5"rt%ent" ! -Arie "ri(in' !" 6"'.%e %en-' !e 6en!- NT(P !" Pr"!.t" E+
/onte$ 'la!orado pelo autor"
As /iguras OV e OM representam) respectivamente) a %uno de autocorrelao e a
%uno de autocorrelao parcial da s6rie de vendas do produto '"
ITO
(i)i tes %e con+ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.093 .1112
14 -.012 .1124
13 +.018 .1137
12 +.247 .1150
11 +.112 .1162
10 -.049 .1174
9 -.037 .1187
8 +.041 .1199
7 +.073 .1211
6 -.026 .1222
5 -.032 .1234
4 +.123 .1246
3 +.030 .1257
2 +.288 .1269
1 +.166 .1280
Lag Corr. S.E.
Fi(.r C=: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e 6en!- !" 5r"!.t" E+
/onte$ 'la!orado pelo autor"
(i)ites %e con+ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.117 .1313
14 -.201 .1313
13 -.118 .1313
12 +.279 .1313
11 +.159 .1313
10 -.045 .1313
9 -.103 .1313
8 +.035 .1313
7 +.127 .1313
6 -.068 .1313
5 -.053 .1313
4 +.054 .1313
3 -.055 .1313
2 +.268 .1313
1 +.166 .1313
Lag Corr. S.E.
Fi(.r C2: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" 5r3i' ! -Arie !e 6en!- !" 5r"!.t" E+
/onte$ 'la!orado pelo autor"
R"I"X"I Modelo sem interveno para as vendas do produto '
ITR
A /igura OY apresenta o comportamento da s6rie original representativa das
quantidades mensais vendidas 8em Zg9 no per(odo de maro de NTTN a de,em!ro de NTTY) do
Produto '" @a /igura OY) o!serva-se que a s6rie apresentou um outlier signi%icativo 8prT)TX9
no m;s de setem!ro de NTTO 8m;s IQ9" Pelos correlogramas) pode-se di,er que ela se
desenvolve no tempo aleatoriamente ao redor de uma m6dia) podendo ser considerada
estacion3ria" Luanto vari_ncia) a s6rie apresenta uma *eterodasticidade constante) o que %oi
constatado atrav6s do teste / para um n(vel de signi%ic_ncia de Xw para os su!per(odos
analisados" #s valores de / para os cinco su!per(odos %oram X)VYF I)RRF I)XMF I)IYF N)IQ)
enquanto que o valor de / para o primeiro per(odo 6 /
Xw
)
II) IT
g N)Q) e para os outros quatro
per(odos 6 /
Xw
)
II) II
g N)YQ" @este caso *3 a necessidade de se %a,er trans%ormao na s6rie
para esta!ili,ar a vari_ncia em %uno do primeiro ano" A trans%ormao que esta!ili,ou a
vari_ncia %oi a logar(tmica" A representao da s6rie trans%ormada se encontra na /igura OQ"


0 5 10 15 20 25 30 35 0 5 50 55 !0
"eses
.5
5.0
5.5
!.0
!.5
1.0
1.5
/.0
/.5
2.0
2.5
#
$
a
n
%
i
%
a
%
e
s

.
e
n
%
i
%
a
s

%
o

3
r
o
%
$
t
o

E

(
t
r
a
n
s
+
o
r
)
a
%
a
-
l
o
'
a
r
4
t
)
i
c
a
)
Fi(.r CB: C"%5"rt%ent" ! -Arie trn-#"r%! !" 6"'.%e %en-' !e 6en!- NT(P !" 5r"!.t" E+
/onte$ 'la!orado pelo autor"
ITX
As /iguras RT e RI representam) respectivamente) a %uno de autocorrelao 8que
indica a ordem dos par_metros de m6dias mveis9 e a %uno de autocorrelao parcial 8que
indica a ordem dos par_metros autoregressivos9 da s6rie trans%ormada"
(i)ites %e con+ian,a
-1.0 -0.5 0.0 0.5 1.0
0
24 +,024 ,0988
23 -,006 ,1003
22 -,101 ,1017
21 -,031 ,1031
20 +,036 ,1045
19 +,061 ,1059
18 -,037 ,1072
17 -,121 ,1085
16 -,099 ,1099
15 -,106 ,1112
14 -,006 ,1124
13 +,034 ,1137
12 +,202 ,1150
11 +,050 ,1162
10 -,071 ,1174
9 +,027 ,1187
8 +,166 ,1199
7 +,210 ,1211
6 +,135 ,1222
5 +,065 ,1234
4 +,078 ,1246
3 +,076 ,1257
2 +,329 ,1269
1 +,414 ,1280
Lag Corr. S.E.
Fi(.r 41: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie trn-#"r%! !" 5r"!.t" E+
/onte$ 'la!orado pelo autor"

(i)ites %e con+ian,a
-1.0 -0.5 0.0 0.5 1.0
0
24 -,090 ,1313
23 -,028 ,1313
22 +,071 ,1313
21 +,112 ,1313
20 -,032 ,1313
19 -,056 ,1313
18 -,060 ,1313
17 +,031 ,1313
16 +,094 ,1313
15 -,004 ,1313
14 -,196 ,1313
13 -,276 ,1313
12 +,244 ,1313
11 +,190 ,1313
10 -,086 ,1313
9 -,144 ,1313
8 -,002 ,1313
7 +,142 ,1313
6 +,092 ,1313
5 +,070 ,1313
4 +,040 ,1313
3 -,142 ,1313
2 +,190 ,1313
1 +,414 ,1313
Lag Corr. S.E.
Fi(.r 4>: C"e#i3iente- ! #.nEF" .t"3"rre'EF" 5r3i' ! -Arie trn-#"r%! !" 5r"!.t" E+
/onte$ 'la!orado pelo autor"
ITY
Assim) com !ase nestas in%orma=es o modelo a<ustado sem interveno
SA.2MA8T)T)N9x8I)T)T9
IN
%oi$
t IN t
9 VO ) N 8
N t
9 MQ ) N 8
I t
9 MQ ) N 8 9 RQ ) NV 8
t
a a RVON ) T a RONO ) T a OMMX ) T RV ) IOXX a
h
+ +

As estat(sticas de A<uste %oram$ .


N
g YTw ) o Crit6rio de 2n%ormao de ACaiCe 8A2C9g
-N)XR e o Crit6rio de Sc*Gar, 852C9g -N)RM" # coe%iciente de determinao apresentou um
valor ra,o3vel) pois) quanto mais prximo de ITTw ou do valor unit3rio) mel*or a capacidade
de previso do modelo"
Pela an3lise dos coe%icientes de autocorrelao pode-se o!servar pela %igura RN que
todos os coe%icientes esto dentro dos limites de con%iana 8tN 9" Desta %orma) a %uno de
autocorrelao da s6rie de res(duos no apresentou nen*um la) %ora dos limites de controle)
indicando que o modelo gerou uma s6rie de erros aleatrios) portanto) o modelo 6 adequado
para a reali,ao de previs=es"
(i)ites %e con+ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.056 .1112
14 -.030 .1124
13 -.051 .1137
12 -.066 .1150
11 -.048 .1162
10 -.186 .1174
9 -.031 .1187
8 +.139 .1199
7 +.156 .1211
6 +.017 .1222
5 -.083 .1234
4 +.034 .1246
3 +.070 .1257
2 +.059 .1269
1 +.015 .1280
Lag Corr. S.E.
Fi(.r 40: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e re-&!."- !" 5r"!.t" E
%"!e'" -e% inter6enEF"+
/onte$ 'la!orado pelo autor"
ITV
R"I"X"N Modelo com interveno para as Eendas do Produto '
/oi encontrada uma interveno signi%icativa) re%erente a um o$tlier na o!servao IQ)
ou se<a) setem!ro de NTTO" # modelo representativo est3 apresentado na equao a seguir$
t NO ) I
9 QV ) I 8
N t
9 QQ ) I 8
I t
9 TV ) X 8 9 MR ) O 8
t
a 2 IQNX a NM ) T a YO ) T YRXX a
h
+ +

As estat(sticas de a<uste %oram de .


N
g VMw F A2C g -O)ON e 52C g -O)IV) as quais
%oram mel*ores do que as encontradas atrav6s do modelo SA.2MA8T)T)N9x8I)T)T9
IN
sem
interveno) pois o Coe%iciente de Determinao passou de YTw para VMw) mostrando que o
modelo com interveno) por este crit6rio) demonstra maior acur3cia" @os Crit6rios de ACaiCe
e Sc*Gar,) *ouve uma pequena piora do modelo sem interveno para o modelo com
interveno) pois os valores a%astaram-se do ,ero) valor ideal por estes par_metros"
A %uno de autocorrelao da s6rie de res(duos no apresentou nen*um ponto %ora
dos limites de controle" 2sto indica que o modelo gerou uma s6rie de erros aleatrios) portanto
pode-se utili,ar o modelo para %a,er previs=es) con%orme /igura RO"
(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.028 .1112
14 -.119 .1124
13 +.060 .1137
12 -.009 .1150
11 +.042 .1162
10 -.182 .1174
9 -.114 .1187
8 +.071 .1199
7 +.059 .1211
6 -.083 .1222
5 -.072 .1234
4 +.176 .1246
3 +.065 .1257
2 +.062 .1269
1 +.008 .1280
Lag Corr. S.E.
Fi(.r 4C: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e re-&!."- !" 5r"!.t" E
%"!e'" 3"% inter6enEF"+
ITM
/onte$ 'la!orado pelo autor"
R"I"X"O Previso para as vendas do produto '
/oram calculadas as previs=es para o per(odo de <aneiro a a!ril de NTTV) pelos
modelos sem interveno) com interveno e as previs=es %ornecidas pela empresa) que esto
apresentados no Luadro V"
# crit6rio utili,ado para escol*er o mel*or modelo de previso %oi o MAP') que est3
apresentado no Luadro V"
?.!r" =: C"%5rEF" !" MAt"!" !e 7", R SenTin- 3"% Inter6enEF" e -e% Inter6enEF" 3"%
"- V'"re- Pre6i-t"- 5e' E%5re- e - Ven!- Rei- Ne% 8(P !" Pr"!.t" E
tr6A- !" MAPE+
Meses
NTTV
Modelo sem
2nterveno
Modelo com
2nterveno
Ealor Previsto
pela 'mpresa
Eenda .eal do Produto '
Baneiro QMT VRT IVTT OTR
/evereiro IOXT IINT ITTT ITQN
Maro IIMQ ITMQ IXTT ITOY
A!ril NRVT NIIX NYTT NYRI
MAP' 8w9 YY)MI RN)VX INM)RQ -
/onte$ 'la!orado pelo autor com !ase nos dados"
# modelo com interveno 6 o mel*or modelo univariado) principalmente em relao
ao valor previsto pela empresa" @ovamente) veri%ica-se uma grande oportunidade da empresa
mel*orar a previso de vendas) pois o atual m6todo de previso 6 o pior) uma ve, que
apresenta a menor acur3cia ou o maior erro se comparado com os demais m6todos"
4+>+< SArie re5re-entti6 !- 6en!- !" 5r"!.t" G
@este item) apresenta-se an3lise descritiva da s6rie original e os correlogramas das
%un=es de autocorrelao e autocorrelao parcial para a determinao do modelo que
mel*or se a<usta aos dados"
ITQ
TDe' <: Me!i!- !e-3riti6- !" Pr"!.t" G n" 5er&"!" !e %rE" !e 0110 !eKe%Dr" !e 011<+
Medidas descritivas do 1rod$to H =alores H
M6dia 8Zg9 IQXM
Desvio Padro 8Zg9 IXOO
C"e#i3iente !e VriEF" NUP VM
/onte$ 'la!orado pelo autor com !ase nos dados"
A variao 6 em %uno do o$tlier existente no m;s de setem!ro de NTTN 8m;s V9)
quando *ouve um aumento percentual nas vendas em VVMw) que ao n(vel de signi%ic_ncia de
Xw) %oi signi%icativo"
A /igura RR apresenta o comportamento da s6rie original representativa das
quantidades mensais vendidas do produto S 8em Zg9 no per(odo de maro de NTTN a
de,em!ro de NTTY"

0 5 10 15 20 25 30 35 0 5 50 55 !0
"eses
0
1000
2000
3000
000
5000
!000
1000
/000
#
$
a
n
t
i
%
a
%
e

%
e

&
e
n
%
a
s

(
k
'
)
Fi(.r 44: C"%5"rt%ent" ! -Arie "ri(in' !" 6"'.%e %en-' !e 6en!- NT(P !" Pr"!.t" G+
/onte$ 'la!orado pelo autor"
Pelos correlogramas) /iguras RX e RY) pode-se a%irmar que a s6rie no 6 estacion3ria
tanto na m6dia como na vari_ncia) pois os coe%icientes das %un=es no tendem a ,ero
rapidamente" @este caso *3 a necessidade de se %a,er trans%ormao na s6rie para esta!ili,ar
tanto a m6dia como a vari_ncia"
IIT




(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
24 -,061 ,0988
23 -,036 ,1003
22 -,024 ,1017
21 -,060 ,1031
20 +,043 ,1045
19 +,062 ,1059
18 +,025 ,1072
17 +,064 ,1085
16 +,126 ,1099
15 +,156 ,1112
14 +,089 ,1124
13 +,182 ,1137
12 +,369 ,1150
11 +,207 ,1162
10 +,164 ,1174
9 +,303 ,1187
8 +,294 ,1199
7 +,311 ,1211
6 +,238 ,1222
5 +,307 ,1234
4 +,435 ,1246
3 +,424 ,1257
2 +,300 ,1269
1 +,429 ,1280
Lag Corr. S.E.
Fi(.r 4@: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e 6en!- !" 5r"!.t" G+
/onte$ 'la!orada pelo autor"



(i )i tes %e con+i an,a
-1.0 -0.5 0.0 0.5 1.0
0
24 -,108 ,1313
23 -,042 ,1313
22 +,069 ,1313
21 -,176 ,1313
20 -,010 ,1313
19 -,000 ,1313
18 -,044 ,1313
17 -,006 ,1313
16 -,123 ,1313
15 -,037 ,1313
14 -,080 ,1313
13 -,109 ,1313
12 +,205 ,1313
11 +,021 ,1313
10 -,118 ,1313
9 +,127 ,1313
8 +,036 ,1313
7 +,073 ,1313
6 -,035 ,1313
5 +,031 ,1313
4 +,215 ,1313
3 +,316 ,1313
2 +,142 ,1313
1 +,429 ,1313
Lag Corr. S.E.
Fi(.r 4<: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" 5r3i' ! -Arie !e 6en!- !" 5r"!.t" G+
/onte$ 'la!orada pelo autor"
A /igura RV apresenta a s6rie com trans%ormao logar(tmica) aquela que mel*or se
adequou ao modelo de %orma a esta!ili,ar a vari_ncia"
III
0 5 10 15 20 25 30 35 0 5 50 55 !0
"eses
2
3

5
!
1
/
2
10
#
$
a
n
t
i
%
a
%
e
s

.
e
n
%
i
%
a
s

%
o

5
r
o
%
$
t
o

6

(
l
o
'
a
r
i
t
)
a
%
a
)
Fi(.r 4=: C"%5"rt%ent" ! -Arie trn-#"r%! N'"(rit%"P !" 6"'.%e %en-' !e 6en!- NT(P
!" Pr"!.t" G+
/onte$ 'la!orado pelo autor"
Analisando a %uno de autocorrelao da s6rie trans%ormada) /igura RM) veri%ica-se
que a vari_ncia %oi esta!ili,ada) mas a m6dia no %icou estacion3ria"
(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
24 -,072 ,0988
23 -,011 ,1003
22 -,022 ,1017
21 -,037 ,1031
20 +,047 ,1045
19 +,059 ,1059
18 +,041 ,1072
17 +,076 ,1085
16 +,145 ,1099
15 +,101 ,1112
14 +,095 ,1124
13 +,120 ,1137
12 +,172 ,1150
11 +,174 ,1162
10 +,221 ,1174
9 +,202 ,1187
8 +,191 ,1199
7 +,256 ,1211
6 +,287 ,1222
5 +,326 ,1234
4 +,473 ,1246
3 +,516 ,1257
2 +,579 ,1269
1 +,710 ,1280
Lag Corr. S.E.
Fi(.r 42: C"e#i3iente- ! #.nEF" .t"3"rre'EF" ! -Arie trn-#"r%! N'"(rit%"P
!" 5r"!.t" G+
/onte$ 'la!orada pelo autor"
IIN
Com o o!<etivo de esta!ili,ar a m6dia) ser3 reali,ada uma di%erenciao na s6rie
trans%ormada) de ordem IN) con%orme /igura RQ"
10 15 20 25 30 35 0 5 50 55 !0
"eses
-3
-2
-1
0
1
2
3

#
$
n
a
t
i
%
a
%
e
s

.
e
n
%
i
%
a
s

%
o

3
r
o
%
$
t
o

6

(
l
o
'
a
r
i
t
)
a
%
a

e

%
i
+
e
r
e
n
c
i
a
%
a
7
=
1
2
)
Fi(.r 4B: C"%5"rt%ent" ! -Arie trn-#"r%! N'"(rit%" e !i#erenEP !" 6"'.%e %en-' !e
6en!- NT(P !" Pr"!.t" G+
/onte$ 'la!orada pelo autor"
#!servando-se as /iguras XT e XI) pode-se a%irmar que a s6rie 6 estacion3ria na m6dia
e na vari_ncia) %ornecendo como indicado o a<uste de um modelo A.2MA8I)I)I9"
(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
24 -,086 ,0998
23 +,027 ,1021
22 -,039 ,1043
21 -,038 ,1064
20 +,053 ,1085
19 -,061 ,1106
18 -,150 ,1126
17 +,035 ,1146
16 +,107 ,1166
15 -,053 ,1185
14 -,039 ,1204
13 -,005 ,1223
12 -,144 ,1241
11 -,017 ,1259
10 +,106 ,1277
9 -,026 ,1294
8 -,196 ,1312
7 +,094 ,1329
6 +,079 ,1346
5 -,033 ,1363
4 +,205 ,1379
3 +,218 ,1396
2 +,190 ,1412
1 +,382 ,1428
Lag Corr. S.E.
Fi(.r @1: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie trn-#"r%! N'"(rit%" e
!i#erenEP 5r " 5r"!.t" G+
/onte$ 'la!orada pelo autor"
IIO
(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
24 -,065 ,1474
23 -,025 ,1474
22 +,024 ,1474
21 +,014 ,1474
20 +,006 ,1474
19 +,022 ,1474
18 -,116 ,1474
17 -,073 ,1474
16 +,053 ,1474
15 +,100 ,1474
14 +,007 ,1474
13 -,058 ,1474
12 -,040 ,1474
11 -,084 ,1474
10 +,049 ,1474
9 +,217 ,1474
8 -,298 ,1474
7 +,006 ,1474
6 +,132 ,1474
5 -,191 ,1474
4 +,085 ,1474
3 +,152 ,1474
2 +,052 ,1474
1 +,382 ,1474
Lag Corr. S.E.
Fi(.r @>: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" 5r3i' ! -Arie trn-#"r%! N'"(r&t%" e
!i#erenEP !" 5r"!.t" G+
/onte$ 'la!orada pelo autor"
R"I"Y"I Modelo sem interveno para as vendas do produto S
Assim) com !ase nas in%orma=es dos correlogramas) o modelo a<ustado sem
interveno A.2MA8I)I)I9 %oi$
t I t
9 QV ) I 8
I t
9 TI ) N 8 9 VN ) N 8
t
a a IXIN ) T a XOQV ) T OO ) IOQN a
h
+ + +

As estat(sticas de A<uste %oram .
N
g YTw ) o Crit6rio de 2n%ormao de ACaiCe 8A2C9g
-N)XR e o Crit6rio de Sc*Gar, 852C9g -N)RM) mostrando um coe%iciente de determinao de
YTw) que %ica um pouco distante do valor ideal unit3rio) que proporcionaria uma mel*or
previso"
IIR
Pela an3lise dos coe%icientes de autocorrelao pode-se o!servar pela /igura XN que
todos os coe%icientes esto dentro dos limites de con%iana 8tN 9) portanto o modelo 6
adequado para reali,ao da previso"
(i)tes %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.047 .1185
14 -.014 .1204
13 +.058 .1223
12 -.000 .1241
11 +.021 .1259
10 +.164 .1277
9 -.010 .1294
8 -.257 .1312
7 +.125 .1329
6 -.005 .1346
5 -.155 .1363
4 +.108 .1379
3 +.032 .1396
2 -.016 .1412
1 -.003 .1428
Lag Corr. S.E.
Fi(.r @0: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e re-&!."- !" 5r"!.t" G
%"!e'" -e% inter6enEF"+
/onte$ 'la!orada pelo autor"
R"I"Y"N Modelo com interveno para as vendas do produto S
/oi encontrada uma interveno signi%icativa) re%erente a um outlier na o!servao V)
ou se<a) setem!ro de NTTN" # modelo representativo est3 apresentado na equao a seguir$
t V ) I
9 YR ) R 8
I t
9 TQ ) N 8 9 YO ) N 8
t
a 2 IXXX a OTTQ ) T NQ ) NORN a
h
+ + +

As estat(sticas de a<uste %oram de .
N
g VMw F A2C g -O)ON e 52C g -O)IV) as quais
%oram mel*ores do que as encontradas atrav6s do modelo A.2MA8I)I)I9 sem interveno)
pois o coe%iciente de determinao passou de YTw do modelo sem interveno para VMw no
modelo com interveno"
IIX
A %uno de autocorrelao da s6rie de res(duos) /igura XO) no apresentou nen*um
ponto %ora dos limites de controle ou intervalo de con%iana" 2sto indica que o modelo gerou
uma s6rie de erros aleatrios) portanto pode-se utili,ar o modelo para %a,er previs=es"
(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 +.011 .1112
14 -.133 .1124
13 -.100 .1137
12 +.055 .1150
11 +.132 .1162
10 +.022 .1174
9 -.006 .1187
8 -.049 .1199
7 +.097 .1211
6 +.240 .1222
5 -.003 .1234
4 +.165 .1246
3 -.175 .1257
2 +.025 .1269
1 -.039 .1280
Lag Corr. S.E.
Fi(.r @C: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" !"- re-&!."- !" 5r"!.t" G
%"!e'" 3"% inter6enEF"+
/onte$ 'la!orada pelo autor"
R"I"Y"O Previso para as vendas do produto S
/oram calculadas as previs=es para o per(odo de <aneiro a a!ril de NTTV) pelos
modelos sem interveno) com interveno e as previs=es %ornecidas pela empresa" # crit6rio
utili,ado para escol*er o mel*or modelo de previso %oi o MAP') apresentado no Luadro M"
?.!r" 2: C"%5rEF" !" MAt"!" !e 7", R SenTin- 3"% Inter6enEF" e -e% Inter6enEF" 3"%
"- V'"re- Pre6i-t"- 5e' E%5re- e - Ven!- Rei- Ne% 8(P !" Pr"!.t" G
tr6A- !" MAPE+
Meses
NTTV
Modelo sem
2nterveno
Modelo com
2nterveno
Ealor Previsto
pela 'mpresa
Eenda .eal do Produto S
Baneiro OQNO OXOV NRTT ONIX
/evereiro RMQV RQOM RMTT YIIT
Maro RTXT RTOO VNTT OQVI
A!ril RQXM RQVV YVTT XMRX
MAP'
8w9
IR)XY II)RT OX)YM +
/onte$ 'la!orado pelo autor com !ase nos dados"
IIY
@ovamente) veri%ica-se atrav6s do Luadro M) a !aixa acur3cia da previso de vendas
da empresa" # modelo com interveno 6 o mel*or modelo univariado) principalmente em
relao ao valor previsto pela empresa"
4+>+= SArie re5re-entti6 !- 6en!- !" 5r"!.t" M
@este item) apresenta-se a an3lise descritiva da s6rie original e os correlogramas das
%un=es de autocorrelao e autocorrelao parcial para a determinao do modelo que
mel*or se a<usta aos dados"
TDe' =: Me!i!- !e-3riti6- !" Pr"!.t" M n" 5er&"!" !e ("-t" !e 011C !eKe%Dr" !e 011<+
Medidas descritivas do 1rod$to M =alores
M6dia 8Zg9 MQM
Desvio Padro 8Zg9 XRN
C"e#i3iente !e VriEF" NUP YT
/onte$ 'la!orado pelo autor com !ase nos dados
A variao 6 em %uno principalmente do o$tlier do m;s de de,em!ro de NTTX 8m;s
NQ9) quando *ouve uma reduo nas vendas de IITX Cg) que) ao n(vel de signi%ic_ncia de Xw)
%oi considerado signi%icativo"
A /igura XR apresenta o comportamento da s6rie original representativa das
quantidades mensais vendidas do produto S 8em Zg9 no per(odo de agosto de NTTO a
de,em!ro de NTTY"
#!servando-se as /iguras XX e XY) dos gr3%icos da %uno de autocorrelao e
autocorrelao parcial) pode-se a%irmar que a s6rie 6 estacion3ria na m6dia e na vari_ncia)
%ornecendo como indicado) o a<uste de um modelo SA.2MA8I)T)I9c8T)T)I9
IN
"
IIV
0 5 10 15 20 25 30 35 0 5
"eses
-500
0
500
1000
1500
2000
2500
3000
#
$
a
n
t
i
%
a
%
e
s

.
e
n
%
i
%
a
s

(
k
'
)

Fi(.r @4: C"%5"rt%ent" ! -Arie "ri(in' !" 6"'.%e %en-' !e 6en!- NT(P !" Pr"!.t" M+
/onte$ 'la!orado pelo autor"
(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.015 .1214
14 +.024 .1238
13 -.006 .1260
12 +.087 .1283
11 -.083 .1304
10 +.004 .1326
9 +.013 .1347
8 -.188 .1368
7 -.399 .1389
6 -.178 .1409
5 -.323 .1429
4 -.054 .1449
3 +.032 .1468
2 +.215 .1487
1 +.305 .1506
Lag Corr. S.E.
Fi(.r @@: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" ! -Arie !e 6en!- !" 5r"!.t" M+
/onte$ 'la!orada pelo autor"
IIM
(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.103 .1562
14 -.021 .1562
13 -.092 .1562
12 -.059 .1562
11 -.175 .1562
10 -.134 .1562
9 +.179 .1562
8 +.005 .1562
7 -.304 .1562
6 +.006 .1562
5 -.315 .1562
4 -.083 .1562
3 -.074 .1562
2 +.135 .1562
1 +.305 .1562
Lag Corr. S.E.
Fi(.r @<: C"e#i3iente- ! #.nEF" !e .t"3"rre'EF" 5r3i' ! -Arie !e 6en!- !" 5r"!.t" M+
/onte$ 'la!orada pelo autor"
R"I"V"I Modelo sem interveno para as vendas do produto M
Assim) com !ase nas in%orma=es dos correlogramas) /iguras XX e XY) o modelo
a<ustado sem interveno SA.2MA8I)T)I9c8T)T)I9
IN
%oi$
t IN t
9 ON ) N 8
I t
9 TR ) N 8
I t
9 NN ) N 8 9 YX ) N 8
t
a a VONT ) T a XQXV ) T a XMOT ) T RQ ) RTT a
h
+ +

As estat(sticas de A<uste %oram .
N
g XVw ) o Crit6rio de 2n%ormao de ACaiCe 8A2C9g
-N)RY e o Crit6rio de Sc*Gar, 852C9g -N)RN" @ovamente) o modelo sem interveno
apresentou um Coe%iciente de Determinao um pouco !aixo) pois o valor de XVw est3 um
pouco longe do ideal) que 6 o valor unit3rio"
Pela an3lise dos coe%icientes de autocorrelao) pode-se o!servar pela /igura XV que
todos os coe%icientes esto dentro dos limites de controle ou intervalo de con%iana de dois
erros padr=es 8tN 9) para um n(vel de signi%ic_ncia de Xw" Desta %orma) no *3 la)s
signi%icativos na %uno de autocorrelao dos res(duos" Desta %orma) a s6rie 6 um ru(do
!ranco" Portanto) o modelo 6 adequado para %a,er previs=es"
IIQ
II
V
(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 -.027 .1214
14 -.020 .1238
13 -.029 .1260
12 +.016 .1283
11 -.125 .1304
10 -.017 .1326
9 +.131 .1347
8 -.103 .1368
7 -.250 .1389
6 +.076 .1409
5 -.230 .1429
4 +.063 .1449
3 +.000 .1468
2 +.154 .1487
1 -.085 .1506
Lag Corr. S.E.
Fi(.r @=: C"e#i3iente- !e .t"3"rre'EF" !"- re-&!."- !" 5r"!.t" M
%"!e'" -e% inter6enEF"+
/onte$ 'la!orada pelo autor"
R"I"V"N Modelo com interveno para as vendas do produto M
/oi encontrada uma interveno signi%icativa) re%erente a um o$tlier na o!servao NQ)
ou se<a) de,em!ro de NTTX" # modelo representativo est3 apresentado na equao a seguir$
t NX ) I
9 XNR ) Y 8
N t
9 YV ) N 8
I t
9 TM ) N 8 9 TM ) NO 8
t
a 2 INOV a XXYM ) T a OYMN ) T NT ) OQN a
h
+ +


As estat(sticas de a<uste %oram de .
N
g VMw ) A2C g -O)ON e 52C g -O)IV" As
estat(sticas do modelo com interveno %oram mel*ores do que as encontradas atrav6s do
modelo SA.2MA8I)T)I9x8T)T)I9
IN
sem interveno) pois o valor do Coe%iciente de
Determinao passou de XVw no modelo sem interveno para VMw no modelo com
interveno) %icando mais prximo de ITTw) que 6 o valor ideal para a o!teno de uma
mel*or previso"
A %uno de autocorrelao da s6rie de res(duos) /igura XM) no apresentou nen*um
ponto %ora dos limites de controle) indicando que o modelo gerou uma s6rie de erros
aleatrios) portanto pode-se utili,ar o modelo para %a,er previs=es"
INT
(i)ites %e con+ ian,a
-1.0 -0.5 0.0 0.5 1.0
0
15 +.050 .1214
14 -.089 .1238
13 +.056 .1260
12 +.070 .1283
11 -.069 .1304
10 -.007 .1326
9 +.198 .1347
8 -.029 .1368
7 -.225 .1389
6 +.031 .1409
5 -.237 .1429
4 -.083 .1449
3 +.161 .1468
2 +.084 .1487
1 +.003 .1506
Lag Corr. S.E.
Fi(.r @2: C"e#i3iente- !e .t"3"rre'EF" ! -Arie !e re-&!."- !" 5r"!.t" M
%"!e'" 3"% inter6enEF"+
/onte$ 'la!orada pelo autor"
R"I"V"O Previso para as vendas do produto M
/oram calculadas as previs=es para o per(odo de <aneiro a a!ril de NTTV) pelos
modelos sem interveno) com interveno e as previs=es %ornecidas pela empresa) que esto
apresentados no quadro Q"
# crit6rio utili,ado para escol*er o mel*or modelo de previso %oi o MAP') que est3
apresentado no Luadro Q"
?.!r" B: C"%5rEF" !" MAt"!" !e 7", R SenTin- 3"% Inter6enEF" e -e% Inter6enEF" 3"%
"- V'"re- Pre6i-t"- 5e' E%5re- e - Ven!- Rei- Ne% 8(P !" Pr"!.t" M
tr6A- !" MAPE+
Meses
NTTV
Modelo sem
2nterveno
Modelo com
2nterveno
Ealor Previsto
pela 'mpresa
Eenda .eal do Produto
M
Baneiro VNM XQR YIX YMV
/evereiro XTQ ROM XTT OIY
Maro IIMT IIQM ITXT INIY
A!ril ITQM IINT ITXT IIII
MAP'
8w9
IV)QN IO)YI NI)QY -
/onte$ 'la!orado pelo autor com !ase nos dados"
INI
# modelo com interveno 6 o mel*or modelo univariado) principalmente em relao
ao valor previsto pela empresa) pois apresenta um 'rro M6dio Percentual A!soluto 8MAP'9
menor que os demais m6todos" .ati%ica-se que o modelo de previso atual da empresa
apresenta o maior erro em relao aos demais m6todos de previso analisados"

R"N A@W-2S' LUA-2HAH2EA
A an3lise qualitativa %oi reali,ada em dois momentos" @o primeiro) %oram levantadas)
por meio dos registros) as previs=es utili,adas pelos respons3veis pela previso de vendas da
empresa) que esto apresentadas no Luadro IT"
?.!r" >1 - Pre6i-F" ! e%5re- O.nt" V- 6en!- !"- 5rin3i5i- 5r"!.t"- N8(P 5r " 5er&"!"
!e /neir" Dri' !e 011=+
Eendas
NTTV
A 5 C D ' S M
Baneiro
VRNT VMTT NMXV MVRT IVTT NRTT YIX
/evereiro
ITTTT INMTT XTTT IITTT ITTT RMTT XTT
Maro
VTTT INMTT XNTT IXTTT IXTT VNTT ITXT
A!ril
XTTT IIXTT XTTT IIXTT NYTT YVTT ITXT
/onte$ 'la!orado pelo autor a partir dos dados %ornecidos pela empresa"
@o segundo momento) %oi reali,ada uma entrevista com os respons3veis pelo
plane<amento da empresa) envolvendo o respons3vel pelo Departamento Comercial e o
respons3vel pelo Plane<amento) Programao e Controle da Produo" # Luadro II) cont6m
os %atores e os respectivos pesos relativos) que na opinio dos respons3veis) in%luenciam as
vendas ou demanda do mercado" @a primeira coluna do quadro encontra-se o %ator que
in%luencia a demanda" Cada respons3vel colocou a sua opinio) listando quais os %atores que
in%luenciam as vendas" @a segunda coluna) os respons3veis pelas previs=es da empresa
colocaram o peso que cada %ator possui na demanda" @a terceira coluna) calculou-se o peso de
cada %ator em relao ao total) ou se<a) o peso relativo de cada um) denominado P@ ou peso
@ormali,ado) con%orme a equao nv YQ descrita a seguir$
ITT j
P
P
P@
i
i


8YQ9
INN
@a Dltima coluna) a ser preenc*ida pelo respons3vel pela previso de vendas da
empresa) colocou-se a intensidade de mani%estao de cada %ator que in%luencia a demanda ou
as vendas) de acordo com o item N"R"R deste tra!al*o" #s resultados o!tidos encontram-se no
Luadro II"
?.!r" >> - AnI'i-e ?.'itti6 3"% "- re-5"n-I6ei- 5e' 5re6i-F" !e 6en!- ! e%5re-+
/atores que in%luenciam a
demanda
.espons3vel I .espons3vel N
P P@ 8w9 2 P P@ 8w9 2
Preo do Produto X II)I 8XiRX9 - I X IT)N 8XiRQ9 - I
Disponi!ilidade do produto
8.apide, na entrega9 X II)I 8XiRX9 f I X IT)N 8XiRQ9 f I
Concorr;ncia no mercado de
atuao
X II)I 8XiRX9 - I X IT)N 8XiRQ9 - I
Sa,onalidade dos produtos
86pocas de%inidas de acordo
com a estao9
R M)Q 8RiRX9 T X IT)N 8XiRQ9 T
Lualidade do produto O Y)V 8OiRX9 T R M)N 8RiRQ9 T
Suporte H6cnico Ps-Eenda N R)R 8NiRX9 T O Y)T 8OiRQ9 T
Customi,ao dos produtos
8clientes montam o produto de
acordo com as suas
necessidades9
X II)I 8XiRX9 f I X IT)N 8XiRQ9 T
2novao nos Produtos
8desenvolvimento de novos
produtos9
O Y)V 8OiRX9 T O Y)T 8OiRQ9 T
Atendimento de pedidos
pequenos 8!aixa quantidade a
ser produ,ida e vendida9
O Y)V 8OiRX9 T R M)N 8RiRQ9 T
Luantidade de produtos e cores
o%ertados ao mercado
N R)R 8NiRX9 T N R)O 8NiRQ9 T
Crescimento do setor t;xtil R M)Q 8RiRX9 T R M)N 8RiRQ9 T
Situao econ7mica do Pa(s
8taxa de c_m!io9 R M)Q 8RiRX9 T R M)N 8RiRQ9 - I
Hotal dos Pesos RX ITT w RQ ITT w
/onte$ 'la!orado pelo autor"
Por exemplo) o respons3vel I 8pela previso de vendas da empresa9) quanti%icou o
preo como um %ator de alta in%lu;ncia nas vendas" Assim) pela escala apresentada no item
N"R"R deste tra!al*o) ele rece!eu peso X" # peso normali,ado para cada %ator 6 encontrado
dividindo-se o peso atri!u(do ao %ator pelo somatrio de todos os pesos de cada um dos
%atores 8por isto) a indicao de XiRX) ou se<a) II)Iw 6 atri!u(do ao %ator preo9" @a avaliao
do mesmo respons3vel I) a intensidade do impacto do preo nas vendas 6 alta e negativa) pois
INO
o sinal negativo nos di, que quanto maior %or o preo do produto) menor ser3 a quantidade
vendida segundo avaliao do respons3vel I"
@o caso da disponi!ilidade do produto) ou se<a) entrega r3pida do pedido ao cliente) o
respons3vel entendeu que este %ator 6 importante para as vendas rece!endo peso X) mas com
intensidade igual a f I) ou se<a) quanto maior %or a disponi!ilidade de produto ou mais r3pido
a empresa %ornecer o produto ao cliente) maior ser3 a quantidade vendida) pois este 6 um %ator
gan*ador de pedido) sendo um di%erencial competitivo para a empresa"
Aps) multiplica-se o peso normali,ado de cada %ator pela intensidade do impacto de
cada %ator nas vendas para cada respons3vel" Somando-se o resultado da multiplicao do
peso normali,ado pela intensidade) para cada %ator) o!t6m-se a m6dia ponderada para cada
respons3vel pela previso da empresa"
Com a m6dia ponderada calculada para cada %ator) multiplica-se o percentual de a<uste
pela m6dia ponderada) para cada um dos respons3veis" Desta %orma) calcula-se a m6dia
aritm6tica das m6dias ponderadas) o!tendo-se o percentual m6dio de a<uste" Somando-se o
valor fI ao percentual m6dio de a<uste) o!t6m-se o (ndice a ser multiplicado pelo modelo
com!inado para que se<a encontrado o modelo integrado"
R"O M#D'-#S C#M52@AD#S

A com!inao dos modelos quantitativos e qualitativos possi!ilita a o!teno de
mel*ores resultados de previso quando comparados utili,ao de cada um dos m6todos
individualmente"
Para encontrar o modelo com!inado) utili,ou-se o m6todo de 5ox A BenCins como o
modelo quantitativo e a previso dos respons3veis pela previso na empresa como o m6todo
qualitativo de previso de vendas" Atrav6s da metodologia proposta por Granger 8IQMT9)
atrav6s da com!inao linear de previs=es e utili,ando os dois modelos de previso acima
citados) a previso com!inada 6 o!tida atrav6s da equao nv XY) mostrada no item N"R"O deste
tra!al*o$
9 N 8
I t
9 I 8
I t
c
I t
a
h
9 I 8 a
h
a
h
+ + +
+
INR
Con%orme %oi descrito no item N"R"O) o valor de 6 o peso dado previso I) ou se<a)
o peso dado previso !aseada no m6todo 5ox A BenCins) sendo que o peso dado previso
N) reali,ada pelos respons3veis pela empresa) ser3 8I- 9"
U necess3rio calcularmos as vari_ncias dos erros das previs=es a serem com!inadas
para encontrarmos o valor de " Desta %orma) utili,ando o modelo de 5ox A BenCins) que
mel*or descreve o comportamento da s6rie de cada um dos produtos) os valores previstos pela
empresa e os valores reais de vendas de cada um dos produtos para os meses de <aneiro a a!ril
de NTTV) pode-se calcular a vari_ncia dos erros de cada um dos modelos) con%orme equao nv
VT descrita a seguir$
N
I
9
h
8
N
N

n
n
t
t
6
6
t
e


8VT9
onde$
-

N
e
$ Eari_ncia do erro da previsoF
-
6
t
$ Ealor real de venda do produtoF
-
t
6
h
$ Ealor estimado pelo m6todo de previso"
Com o c3lculo das vari_ncias dos erros de previso para cada um dos dois m6todos)
atrav6s da equao nv VT) pode-se determinar o valor do peso " Luando os erros das duas
previs=es no esto correlacionados) o c3lculo de 6 o!tido atrav6s da equao nv XQ do item
N"R"O desta dissertao$
N
N
N
I
N
N

Com o valor de encontrado) procede-se o c3lculo do modelo com!inado) utili,ando


o m6todo quantitativo e qualitativo) atrav6s da equao nv XY deste tra!al*o" @o item R"X)
.esultados /inais) ser3 a!ordado um exemplo deste procedimento atrav6s da aplicao em um
dos produtos analisados"
INX
R"R M#D'-#S 2@H'G.AD#S
Para o c3lculo do modelo integrado) 6 necess3rio determinar o a<uste da previso
com!inada" Utili,ando o Luadro II) organi,ado a partir do levantamento e da quanti%icao
dos %atores que in%luenciam as vendas dos produtos) ela!orou-se o Luadro IN de %orma a
exempli%icar a %orma do c3lculo proposto$
?.!r" >0 CI'3.'" !" M"!e'" Inte(r!"+
/atores que in%luenciam a
demanda
.espons3vel I .espons3vel N
Peso @ormali,ado x 2ntensidade Peso @ormali,ado x 2ntensidade
Preo do Produto T)III x 0 Ig -T)III T)ITN x 0 Ig -T)ITN
Disponi!ilidade do produto
8.apide, na entrega9
T)III x f Ig fT)III

T)ITN x fIg fT)ITN
Concorr;ncia no mercado T)III x 0 Ig -T)III T)ITN x 0 Ig -T)ITN
Sa,onalidade dos produtos
86pocas de%inidas de acordo
com a estao9
T)TMQ x Tg T T)ITN x Tg T
Lualidade do produto T)TYV x Tg T T)TMN x Tg T
Suporte H6cnico Ps-Eenda T)TRR x T g T T)TY x Tg T
Customi,ao dos produtos
8clientes montam o produto de
acordo com as suas
necessidades9
T)III x fIg fT)III

T)ITN x Tg T
2novao nos Produtos
8desenvolvimento de novos
produtos9
T)TYV x Tg T T)TY x Tg T
Atendimento de pedidos
pequenos 8!aixa quantidade a
ser produ,ida e vendida9
T)TYV x Tg T T)TMN x Tg T
Luantidade de produtos e cores
o%ertados ao mercado
T)TRR x Tg T T)TRO x Tg T
Crescimento do setor t;xtil T)TMQ x Tg T T)TMN x Tg T
Situao econ7mica do Pa(s
8taxa de c_m!io9 T)TMQx Tg T T)TMN x -Ig -T)TMN
M6dia Ponderada 8Somatrio
da multiplicao do P@ x 29

T -T)IMR
Percentual de A<uste 8RXw9 T x T)RX gT -T)IMR x T)RXg -T)TMNM
Percentual M6dio de A<uste 8T -T)TMNM9iN g -T)TRIR
C3lculo da Previso /inal
8-T)TRIR f I9x previso com!inada g T)QY x previso com!inada
/onte$ 'la!orado pelo autor"
R"X .'SU-HAD#S /2@A2S
INY
# produto C %oi escol*ido para a exempli%icao da metodologia utili,ada neste
tra!al*o" @o m6todo quantitativo) %oi escol*ido o modelo de 5ox A BenCins com interveno
porque apresentou o menor erro 8menor MAP'9) con%orme Luadro X" @o m6todo qualitativo)
escol*eu-se a previso de vendas reali,ada pelos respons3veis pela empresa"
Para encontrar o modelo integrado ou com!inado) a partir da metodologia proposta
por Granger 8IQMT9) atrav6s da com!inao linear de previs=es 6 necess3rio calcular a
vari_ncia dos erros de cada um dos modelos) con%orme equao nv VT$
N
I
9
h
8
N
N

n
n
t
t
6
6
t
e

onde$
-

N
e
$ Eari_ncia do erro da previsoF
-
6
t
$ Ealor real de venda do produtoF
-
t
6
h
$ Ealor estimado pelo m6todo de previso"
Assim) para ao m6todo de 5ox A BenCins) tem-se$
( ) ( ) ( )
N R
RQOQ XQIT
N
RVMX RROY
N
XTRN RMVY
N
OYOT OOXI
N
N
I

+ + +

? >

N
I
g XMXTIQ)X
Para a previso reali,ada pelos respons3veis da empresa) a vari_ncia do erro est3
calculada a!aixo$
( ) ( ) ( )
N R
9 XTTT XQIT 8
N
XNTT RROY
N
XTTT RMVY
N
NMXV OOXI
N
N
N

+ + +

N
N
MOXYTR
Com a vari_ncia dos erros calculada para os dois m6todos que comp=em o modelo
integrado) pode-se calcular o valor de

) atrav6s da equao nv XQ$


INV
N
N
N
I
N
N
+


g
XQ ) T
9 MOXYTR X ) XMXTIQ 8
MOXYTR

+
Aplicando-se o valor de

para a equao nv XY e com os dados do Luadro X) em que


encontram-se os valores o!tidos atrav6s do m6todo 5ox A BenCins e da previso dos
respons3veis) encontra-se o modelo com!inado$
- Ban TVg T)XQ x RNMQ f 8I - T)XQ9 x NMXVg OVTI)Q ZgF
- /ev TVg T)XQ x XTVM f 8I - T)XQ9 x XTTTg XTRY)T ZgF
- Mar TVg T)XQ x RRON f 8I - T)XQ9 x XNTTg RVRY)Q ZgF
- A!r TVg T)XQ x RMMV f 8I - T)XQ9 x XTTTg RQOO)O Zg"
Para o c3lculo do modelo integrado) !asta aplicar o (ndice %inal de a<uste) calculado no
Luadro IN) no modelo com!inado" Desta %orma) encontra-se o modelo integrado$
-Ban TVg OVTI)Q x T)QYg OXXO)M ZgF
- /ev TVg XTRY x T)QYg RMRR)N ZgF
- Mar TVg RVRY)Q x T)QYg RXXV)T ZgF
- A!r TVg g RQOO)O x T)QYg RVOY)T Zg"
#s demais produtos %oram calculados da mesma %orma que o demonstrado para o
produto C" #s Luadros IO a IM mostram os resultados o!tidos) comparando as previs=es pelo
modelo de 5ox-BenCins com interveno) modelo com!inado) modelo integrado) os valores
previstos pelos respons3veis pela previso de vendas da empresa) as vendas reais dos
produtos) !em como os valores do MAP' para os modelos de previso"
?.!r" >C: C"%5rEF" !"- MAt"!"- !e Pre6i-F" !e Ven!- !" 5r"!.t" A tr6A- !" MAPE+
Meses NTTV Modelo com
2nterveno
Modelo
Com!inado
Modelo
2ntegrado
Previso da
'mpresa
=enda Ieal
do 1rod$to
Baneiro YVMT YYIT)YT YORY)IM VRNT FD34
/evereiro XNYY XIOR)IT RQNQ)TM ITTTT !2J1
Maro RQVN RMRV)YT RYXO)QT VTTT 4!J
A!ril RINT RTIY)NT OMXY)IT XTTT 3J24
M71" >K? 14/2! 13/2F 12/F! !3/23 *****
/onte$ 'la!orado pelo autor com !ase nos dados"
?.!r" >4: C"%5rEF" !"- MAt"!"- !e Pre6i-F" !e Ven!- !" 5r"!.t" C tr6A- !" MAPE+
INM
Meses NTTV Modelo com
2nterveno
Modelo
Com!inado
Modelo
2ntegrado
Previso da
'mpresa
=enda Ieal
do 1rod$to
Baneiro RNMQ OVTI)QT OXXO)MT NMXV 33!1
/evereiro XTVM XTRY)TT RMRR)NT XTTT 4%FD
Maro RRON RVRY)QT RXXV)TT XNTT 443D
A!ril RMMV RQOO)OT RVOY)TT XTTT !1J
M71" >K? 12/3% /3F F/32 12/DJ *****
/onte$ 'la!orado pelo autor com !ase nos dados"
?.!r" >@: C"%5rEF" !"- MAt"!"- !e Pre6i-F" !e Ven!- !" 5r"!.t" D tr6A- !" MAPE+
Meses NTTV Modelo com
2nterveno
Modelo
Com!inado
Modelo
2ntegrado
Previso da
'mpresa
=enda Ieal
do 1rod$to
Baneiro MYQI MYTR MNXQ)MR MVRT 13
/evereiro QRXT QOXY MQMI)VY IITTT 1322D
Maro MOXY MNVN VQRI)IN IXTTT 1J21J
A!ril ROMY RORN RIYM)ON IIXTT 3%2J
M71" >K? 1D/D1 1D/4 1%/2D DF/2 *****
/onte$ 'la!orado pelo autor com !ase nos dados"
?.!r" ><: C"%5rEF" !"- MAt"!"- !e Pre6i-F" !e Ven!- !" 5r"!.t" E tr6A- !" MAPE+
Meses NTTV Modelo com
2nterveno
Modelo
Com!inado
Modelo
2ntegrado
Previso da
'mpresa
=enda Ieal
do 1rod$to
Baneiro VRT VXQ)NT VNM)MO IVTT 3J4
/evereiro IINT IIIV)YT ITVN)TT ITTT 1J2
Maro ITMQ ITQV)NT ITXO)OT IXTT 1J3D
A!ril NIIX NINR)VT NTOQ)VI NYTT 2D41
M71" >K? 42/F! 44/3% 41/!J 12%/4 *****
/onte$ 'la!orado pelo autor com !ase nos dados"
?.!r" >=: C"%5rEF" !"- MAt"!"- !e Pre6i-F" !e Ven!- !" 5r"!.t" G tr6A- !" MAPE+
Meses NTTV Modelo com
2nterveno
Modelo
Com!inado
Modelo
2ntegrado
Previso da
'mpresa
=enda Ieal
do 1rod$to
Baneiro OXOV OOVM ONRN)MM NRTT 321!
/evereiro RQOM RQIQ RVNN)NR RMTT D11J
Maro RTOO RRVY RNQY)QY VNTT 3F1
A!ril RQVV XNIM XTTQ)NM YVTT !%4!
M71" >K? 11/4J 12/JJ 11/!2 3!/D% *****
/onte$ 'la!orado pelo autor com !ase nos dados"
INQ
?.!r" >2: C"%5rEF" !"- MAt"!"- !e Pre6i-F" !e Ven!- !" 5r"!.t" M tr6A- !" MAPE+
Meses NTTV Modelo com
2nterveno
Modelo
Com!inado
Modelo
2ntegrado
Previso da
'mpresa
=enda Ieal
do 1rod$to
Baneiro XQR XQI XYV)R YIX D%F
/evereiro ROM RIQ RTN)N XTT 31D
Maro IIQM IIQV IIOQ)I ITXT 121D
A!ril IINT IIIQ ITYR)N ITXT 1111
M71" >K? 13/D1 12/24 13/%1 21/D *****
/onte$ 'la!orado pelo autor com !ase nos dados"
# Luadro IQ mostra o comparativo dos m6todos de previso de todos os produtos
analisados atrav6s do MAP' 8'rro M6dio Percentual A!soluto9$
?.!r" >B: C"%5rEF" ! A3.rI3i entre "- M"!e'"- !e Pre6i-F" !e Ven!- 5r "- 5r"!.t"-
n'i-!"-+
MAP' 8w9 Modelo 5ox A
BenCins com
2nterveno
Modelo
Com!inado
Modelo
2ntegrado
1reviso da
"m#resa
Produto A IR)NX IO)NV IN)VX !3/23
Produto C IN)OM Q)OV V)ON 12/DJ
Produto D IY)YI IY)QR IM)NY DF/2
Produto ' RN)VX RR)OM RI)XT 12%/4
Produto S II)RT IN)TT II)XN 3!/D%
1rod$to M 13/D1 12/24 13/%1 21/D
/onte$ 'la!orado pelo autor"
A previso dos respons3veis pelo plane<amento de vendas da empresa) sem dDvida) %oi
o m6todo com a pior acur3cia de todos os m6todos analisados" 'm todos os produtos
analisados) o modelo integrado de previso apresentou mel*ores resultados que a previso dos
respons3veis pela empresa"
Dos seis produtos analisados) tr;s produtos 8A) C e '9 apresentaram o valor do MAP'
para o modelo integrado menor do que o modelo com interveno de 5ox-BenCins" # modelo
com!inado apresentou tr;s produtos 8A) C e M9 com maior acur3cia 8menor valor do MAP'9
quando comparado com o modelo de 5ox A BenCins com interveno" Como nos modelos
com!inados %oram utili,adas as previs=es reali,adas pela empresa) e estas apresentam uma
grande discrep_ncia em relao aos valores reais) mesmo que com pesos menores) essa
varia!ilidade in%luenciou nos valores previstos pelo m6todo com!inado) pre<udicando a
previso o!tida atrav6s da com!inao dos modelos"
'm todos os produtos) o modelo de 5ox A BenCins com interveno apresentou
mel*ores resultados que o modelo sem interveno) que no %oi apresentado nos quadros IO a
IOT
IQ) por isso optou-se em tra!al*ar com os modelos com interveno devido ao menor erro de
previso o!tido" 'sta situao est3 de acordo com a teoria so!re os modelos com interveno)
a qual esta!elece que estes modelos so capa,es de captar mudanas de n(vel) mudanas na
variao) !em como incorporar componentes sa,onais 85#cF B'@Z2@SF .'2@S'-) IQQR9"
Constatou-se que o modelo que incorpora a mel*or previso individual em sua
construo apresenta desempen*o superior s piores previs=es individuais 8MA.LU'S)
NTTX9"
.ati%ica-se a import_ncia de um monitoramento do modelo encontrado para cada
produto) de %orma a reestimar o modelo quando necess3rio) con%orme descrito no item N"R"Y
deste tra!al*o"
IOI
@ CONSIDERAHES FINAIS
#s resultados o!tidos nesta pesquisa mostram uma !oa oportunidade para os gestores
aumentarem a competitividade da empresa) atrav6s da utili,ao da metodologia de previso
de vendas" A %orma atual de previso de vendas) !aseada unicamente na experi;ncia dos
respons3veis e alguns dados %ornecidos pelos vendedores) %oi aquela que apresentou a pior
preciso) ou se<a) o maior erro 8MAP'9 em todos os produtos analisados" Desta %orma) a
aplicao do modelo integrado de previso) !aseado no m6todo quantitativo e qualitativo)
apresentou maior acur3cia na previso de vendas para todos os produtos) quando comparado
com a previso reali,ada pela empresa) para o per(odo de <aneiro a a!ril de NTTV"
Dos seis produtos analisados) o modelo integrado de previso de vendas apresentou
mel*ores resultados em tr;s produtos 8A) C e '9 quando comparado com a metodologia de
5ox A BenCins" # modelo com!inado apresentou tr;s produtos 8A) C e M9 com maior
acur3cia quando comparado com o modelo de 5ox A BenCins com interveno Como o
modelo com!inado %oi o!tido atrav6s da com!inao do modelo de 5ox A BenCins com a
previso de vendas reali,ada pela empresa) e esta Dltima apresentou maior erro de previso ou
menor acur3cia) a previso do modelo com!inado aca!ou %icando pre<udicada) pois
incorporou parte deste erro" Se compararmos os modelos com!inados e integrados com a
metodologia de 5ox A BenCins) os primeiros apresentaram mel*ores resultados em quatro 8A)
C) ' e M9 dos seis produtos analisados"
@o atual cen3rio mundial) a competitividade ocasiona grandes trans%orma=es) se<a no
campo tecnolgico) se<a na gesto de negcios) exigindo das empresas uma atuao cada ve,
mais r3pida no sentido de aper%eioar os n(veis de servios o%erecidos) a partir de estruturas
operacionais mais %lex(veis) necessidade esta atrelada prem;ncia de garantir um %ator de
di%erenciao) principalmente quando os produtos de v3rios concorrentes possuem um mesmo
grau de qualidade" Dentre as v3rias metodologias a serem utili,adas para en%rentar esta
realidade) destacam-se os modelos de previso de vendas !uscando re%orar o processo de
deciso e plane<amento"
Assim) a previso de vendas in%luencia todas as 3reas da empresa) como por exemplo)
nos custos com estoques) no n(vel de atendimento ao cliente) nos custos com set*$#s de
m3quinas) nas expectativas da equipe de vendas) nos custos com atividades promocionais e
na gesto de pessoas" Uma previso de vendas equivocada pode gerar grandes pre<u(,os para a
empresa) com e%eitos graves) muitas ve,es pouco considerados pelas prprias empresas) tais
como a perda de clientes) !aixa produtividade na operao devido ao excessivo nDmero de
set*$#s e alto estoque de mat6rias-primas e produtos semi-ela!orados) gerando um ativo
imo!ili,ado elevado e causando perda de renta!ilidade da empresa) com impacto negativo na
competitividade da empresa no mercado" @este sentido) %oi desenvolvida esta dissertao com
o o!<etivo de desenvolver um estudo para mel*orar a atividade de previso de vendas"
Atrav6s deste estudo de caso) %oi poss(vel aplicar os m6todos de previso de vendas a
uma empresa do setor t;xtil" /oram utili,ados os m6todos quantitativos e qualitativos com o
o!<etivo de o!ter os mel*ores resultados quando comparados com o m6todo qualitativo
atualmente utili,ado na empresa) ou se<a) o!tendo maior acur3cia na implementao dos
m6todos em %uno da quantidade de dados dispon(veis na empresa onde %oi desenvolvido o
tra!al*o"
@este estudo %oram identi%icados os principais produtos em termos de vendas do setor
de %a!ricao de tecidos de mal*a %eitos em m3quinas circulares da empresa" /oi utili,ada a
metodologia de 5ox A BenCins para identi%icar o modelo mais representativo dos dados
*istricos de vendas destes produtos" Com !ase nas previs=es qualitativas utili,adas pela
empresa e nas in%orma=es so!re o comportamento %uturo das vendas por parte dos
respons3veis pela previso da empresa) %oi poss(vel encontrar um modelo com!inado e %a,er
a<ustes nas previs=es a curto pra,o para as vendas dos produtos analisados) o!tendo-se assim)
o modelo integrado de previso de vendas"
Considerando a a!ordagem A.2MA univariada) pelo seu car3cter exclusivo e no
causal apenas permitir a descrio e a previso de uma s6rie temporal com !ase no seu
comportamento passado) esta no consegue captar os e%eitos exercidos so!re a sucesso por
%en7menos exgenos 8interven=es e o$tliers9) que em certos casos condu,em a o!serva=es
an7malas e mudam o seu comportamento"
Assim) a aplicao da metodologia da an3lise de interveno) com!inando as
caracter(sticas dos modelos univariados com os e%eitos determin(sticos das interven=es e
o$tliers) proporcionou uma consider3vel mel*oria da qualidade do a<ustamento dos modelos
estimados) o que pode ser constatado pela mel*oria nos crit6rios .
N
) A2C e 52C utili,ados na
escol*a dos modelos) desempen*ando um papel importante na explicao das s6ries
representativas dos principais produtos analisados no estudo de caso"
IOO
# o!<etivo de construir modelos integrados de previs=es 6 de que a incorporao de
in%orma=es permite aumentar a preciso ou redu,ir a incerte,a associada a um modelo de
previso individual" Por exemplo) a utili,ao dos dados *istricos permite) atrav6s do
modelo quantitativo) por exemplo 5ox A BenCins) prever o comportamento da s6rie analisada)
sendo que o m6todo qualitativo pode detectar altera=es no mercado que se<am importantes na
previso) como) por exemplo) a taxa cam!ial) a moda da estao) promo=es de vendas da
empresa" Desta %orma) a integrao dos m6todos permite uma viso geral para a aplicao da
previso" Para responder a questo so!re a possi!ilidade de aumentar a preciso da previso
por meio da com!inao) pode-se recorrer s conclus=es de MaCridaCisF `inCler 8IQMO9 e
Si!onF 'vgeniou 8NTTX9" 'stes autores a%irmam que adotar uma integrao 6 geralmente
menos arriscado do que usar uma previso individual"
Zleinmunt, 8IQQT9 a%irma que *3 uma tend;ncia das pessoas a evitarem com!ina=es
devido crena de que se deve !uscar sempre o mel*or modelo" 'ntretanto) parece ser mais
ra,o3vel seguir barnoGit, 8IQMR9) que de%ende um contraponto a este comportamento)
a%irmando que) num determinado momento) a sorte pode contar tanto quanto a t6cnica para
selecionar a mel*or previso) entretanto) a longo pra,o) a com!inao de !ons modelos)
t6cnica e algum grau de su!<etividade resultam em mel*or per%ormance"
'm suma) ainda que os gan*os da com!inao se<am limitados) os riscos associados
ao se incorporar previs=es de di%erentes %ontes a um modelo parecem ser !aixos %rente aos
gan*os em a!sorver in%orma=es complementares) desde que tratadas de %orma adequada"
Assim) pode-se ressaltar que os resultados aqui encontrados esto de acordo com
5ates e Granger 8IQYQ9) que a%irmam que no *3 ra,=es para se esperar que a mel*or previso
poss(vel se<a produ,ida por uma com!inao de previs=es" 'ntretanto) Si!on e 'vgeniou
8NTTX9 conclu(ram que) quando no se sa!e qual o mel*or m6todo de previso individual)
incorre-se em menor risco ao selecionar com!ina=es) mesmo que estas no se<am) em m6dia)
superiores mel*or previso individual"
A metodologia aprimorada neste tra!al*o) com !ase em tra!al*os <3 desenvolvidos na
3rea) tra, uma contri!uio no campo cient(%ico no que di, respeito utili,ao da escala de
-iCert na de%inio da pontuao atri!u(da a cada %ator pelos respons3veis pelas previs=es
qualitativas) !em como) na de%inio do percentual de a<uste) a utili,ao da variao
percentual entre as previs=es qualitativas" 'sta metodologia 6 de simples implementao e
poder3 ser utili,ada por qualquer empresa) servindo como uma %erramenta Dtil para as
IOR
empresas em suas tomadas de decis=es) a %im de %ixar os n(veis de produo) controlar
estoques) !em como torn3-las cada ve, mais competitiva"
X"I /UHU.#S H.A5A-S#S
Como sugesto para %uturos tra!al*os prop=e-se$
- Analisar individualmente os produtos vendidos quanto aos %atores que in%luenciam as
vendas) mel*orando o modelo a<ustadoF
- A utili,ao de um modelo de %uno de trans%er;ncia) utili,ando como vari3veis de entrada
in%orma=es do mercado) como) por exemplo) a moda) an3lise da renda per capita) a atuao
do concorrente e a taxa cam!ial que alteram a demanda de tecidoF
- Usar as cartas de controle de S*eG*art para monitorar a esta!ilidade das previs=es) tanto
para as mudanas de n(vel quanto para as mudanas de varia!ilidade"
- /a,er compara=es com os n(veis de produo e de estoques) utili,ando estes dados como
in%orma=esF
- Utili,ar as t6cnicas de -ootstra#) como %orma de aumentar a amostra representativa das
previs=es"
IOX
REFERNCIAS
AZA2Z') S" M,i%.% 'iTe'i*""! i!enti#i3ti"n "# G.--in .t"re(re--i6e %"6in(
6er(e %"!e'-+ 5iometriCa) v" YT) p" NXX-NYX) IQVO"
+++++++" A ne: '""T t t*e -tti-ti3' %"!e' i!enti#i3ti"n" 2''' Hransactions on
Automatic Control) AC-IQ) p"VIY-VNO) IQVR"

+++++++" On entr"59 %,i%iKti"n 5rin3i5'e" 2n$ Applications o% Statistics) Amsterdan" 'd"
P"." Zris*naia*" p" NV-RI) IQVV"
A.MSH.#@G) B" Scott" .esearc* @eeds in /orecasting" Internti"n' S".rn' "#
F"re3-tin(" v" R) n" O) p" RRQ-RYX) IQMM"
5A--#U) .onald S" Geren3i%ent" ! C!ei !e S.5ri%ent"-: 5'ne/%ent")
"r(niKEF" e '"(&-ti3 e%5re-ri'" R ed" Porto Alegre$ 5ooCman) NTTI"
5AH'S) B"M"F G.A@G'.) C"`"B" H*e Com!ining o% /orecasts" O5erti"n' Re-er3*
?.rter'9) v" NT) n" R) p" RXI-RYM) IQYQ"
5-AHH5'.G) .o!ert C"F S#CS) Step*en B" Data!ase Models and Managerial 2ntuition$
XTw Model f XTw Manager" Mn(e%ent S3ien3e) v" OY) n" M) p" MMV-MQQ) IQQT"
5#PP) Ant*on1 '" #n Com!ining /orecasts$ Some 'xtensions and .esults" Mn(e%ent
S3ien3e+ v" OI" n" IN) p" IRQN-IRQM) IQMX"
5#c) George 'dGard P" A B'@Z2@S) GGil1m M" Ti%e Serie- An'9-i-: F"re3-tin( n!
C"ntr"'" San /rancisco) IQVT"
+++++++" Ti%e Serie- An'9-i-: F"re3-tin( n! C"ntr"'+ .evised edition" San /rancisco$
Solden-Da1) IQVY"
5#c) George 'dGard P"F B'@Z2@S) GGil1m M A .'2@S'-) Gregor1 C" Ti%e -erie-
n'9-i- - #"re3-tin( n! 3"ntr"'+ O" ed" @eG Berse1$ Prentice Sall) IQQR"
5#c) G"'"P" A H2A#) G"C" 2ntervention anal1sis Git* applications to economic and
environmental pro!lems" S".rn' "# t*e A%eri3n Stti-ti3' A--"3iti"n) VT) VT-VQ) IQVX"
CAEA-S'2.#) Darlene" MAt"!" !e Pre6i-F" !e De%n! 5'i3! " P'ne/%ent" !
Pr"!.EF" !e In!W-tri- !e A'i%ent"-) 011C" Dissertao de Mestrado - Curso de Ps-
graduao em 'ngen*aria de Produo) U/.GS) Porto Alegre"
C'.E#) Amado -"F 5'.E2A@ Pedro A" Met"!"'"(i Cient&#i3+ So Paulo$ Prentice Sall)
NTTN"
CSAM5'.SF Bo*n C"F MU--2CZF Satinder Z"F SM2HS) Donald D" SoG to C*oose t*e
.ig*t /orecasting Hec*nique" Sarvard 5usiness .evieG) <uliagosto) p" RX-VR) IQVI"
CSA@G) 2"F H2A#) G" C"F CS'@) C" 'stimation o% Hime Series Parameters in t*e Presence o%
#utliers) Te3*n"%etri3-) v"OT) n" N) IQO-NTR" IQMM"
CS.2SH#PS'.) Martin" L"(&-ti3 e Geren3i%ent" ! C!ei !e S.5ri%ent"-:
E-trtA(i- 5r Re!.EF" !e C.-t"- e Me'*"ri !e Ser6iE"-" I" ed" So Paulo$ Pioneira)
NTTN"
C-'M'@) .o!ert H" Com!ining /orecasts$ A .evieG and Annotated 5i!liograp*1"
Internti"n' S".rn' "# F"re3-tin(" v" X) n" R) p" XXQ-XMO) IQMQ"
C#--#Pa) /redF A.MSH.#@G) B" Scott" .uled-!ased /orecasting$ Development and
Ealidation o% an 'xpert S1stem Approac* to Com!ining Hime Series 'xtrapolations"
Mn(e%ent S3ien3e+ v" OM) n" IT) p" IOQR-IRIR) IQQN"
C##P'.) Donald"."F SCS2@D-'.) Pamela S" MAt"!"- !e Pe-O.i- e% A!%ini-trEF". V"
ed" Porto Alegre$ 5ooCman) NTTO"
C#..\A) Senrique -"F G2A@'S2) 2rineu G"@"F CA#@) Mauro" P'ne/%ent")
Pr"(r%EF" e C"ntr"'e ! Pr"!.EF"" R" ed" So Paulo$ Atlas) NTTI"
DAE2S) MarC M"F ALU2-A@#) @ic*olas B"F CSAS') .ic*ard 5" F.n!%ent"- !
A!%ini-trEF" ! Pr"!.EF"+ O" ed" Porto Alegre$ 5ooCman) NTTI"
D2'Hb) H*omas" Met*ods %or anal1,ing data %rom Delp*i panels$ Some evidence %rom a
%orecasting stud1" Te3*n"'"(i3' F"re3-tin( n! S"3i' C*n(e" v" OI) n" I) p" VQ-MX)
IQMV"
'UC-2D'S /2-S#) Zepler" Suppl1 c*ain approac* to sustaina!le !ee% production %rom a
5ra,ilian perspective" 2n$ Li6e-t"3T Pr"!.3ti"n S3ien3e QT) XO0YI) NTTR"
/A.2@A) '"M"M"L" Competitividade e Coordenao de Sistemas Agroindustriais$ um ensaio
conceitual" 2n$ Re6i-t Ge-tF" R Pr"!.EF") vol"Y) n"O) IQQQ"
/'..Ab) B"C"F ZUP/'.) DF SAGU'@AU'.) -" M!e in 7rKi'" .io de Baneiro$ Campus)
IQQY"
/-'U.a) Paulo /"F `A@Z') PeterF /2GU'2.'D#) Zle!er /" L"(&-ti3 E%5re-ri': A
Per-5e3ti6 7r-i'eir+ Coleo Coppead de Administrao" Centro de 'studos em -og(stica
8C'-9"I ed" So Paulo$ Atlas) NTTT"
+++++++" L"(&-ti3 e Geren3i%ent" ! C!ei !e S.5ri%ent"-: P'ne/%ent" !" F'.,"
!e Pr"!.t"- e !"- Re3.r-"-+ Coleo Coppead de Administrao" Centro de 'studos em
-og(stica 8C'-9"I ed" So Paulo$ Atlas) NTTO"
/#c) A" B" #utliers in Hime Series" S".rn' "# t*e R"9' Stti-ti3' S"3iet9) Ser" 5) OR)
OXT-OYO" IQVN"
G'#.G#//) David M"F MU.D2CZ) .o!ert G" Manager[s Guide to /orecasting" Gr6r!
7.-ine-- Re6ie:" v" YR) n" I) p" IIT-INT) Ban" IQMY"
G2-) Ant7nio C" MAt"!"- e TA3ni3- !e Pe-O.i- S"3i'" So Paulo$ Atlas) IQQX"
IOV
G.A@G'.) C"`" B" F"re3-tin( in D.-ine-- n! e3"n"%i3-" 2n$ @eG aorC Academic
Press) p" IOI-IRV) IQMT"
SA2.) Bosep* /" Br"F A@D'.S#@) .olp* '"F HAHSAM) .onald -"F 5-ACZ) `illiam C"
AnI'i-e M.'ti6ri! !e D!"-" X" ed" Porto Alegre$ 5ooCmann) NTTX"
SA.E'a) AndreG C" A uni%ied vieG o% statistical %orecasting procedures" S".rn' "#
#"re3-tin(+ v"O) p" NRX-NMO" IQMR"
S25#@) M"F 'EG'@2#U) H" Ho com!ine or not com!ine selecting among %orecasts and t*eir
com!inations" Internti"n' S".rn' "# F"re3-tin(" v" NI) I$ IX-NR"NTTX"
SUHS) `illiam -"F 'PP.2GSH) David ."F HAU5') Paul M" H*e indexes o% consumer
sentiment and con%idence$ -eading or misleading guides to %uture !u1er !e*avior" S".rn' "#
7.-ine-- Re-er3*) v" NQ) n" O) p" IQQ-NTY) IQQR"
Z'@@'Da) P"F SA..2S#@) .") ZA-2HbA@D#ZA@'S) @" Anal1sing Agri!usiness
Competitiviness$ H*e case o% U"S" Sugar 2ndustr1" 2n$ Internti"n' F""! n! A(riD.-ine--
Mn(e%ent Re6ie:" v"I) n"N) IQQM"
Z-'2@MU@Hb) 5" `*1 Ge still use our *eads instead o% %ormulas$ HoGard and integrative
approac*" P-93*"'"(i3' 7.''etin) ITV) NQY-OIT) IQQT"
Z#H-'.) P*ilip" A!%ini-trEF" !e MrTetin(: nI'i-e) 5'ne/%ent") i%5'e%entEF" e
3"ntr"'e" X" ed" So Paulo$ Atlas) IQQM"
-AZAH#S) 'va MariaF MA.C#@2) Marina de Andrade" F.n!%ent"- !e Met"!"'"(i
Cient&#i3" O" ed" rev" e ampl" So Paulo$ Atlas) IQQY"
-BU@G) G" M" 8IQQO9" #n #utlier Detection in Hime Series" S".rn' "# t*e R"9' Stti-ti3'
S"3iet9) v" XX) p"XXQ-XYV) IQQO"
-'M#S) /ernando #" Met"!"'"(i 5r -e'eEF" !e MAt"!"- !e Pre6i-F" !e De%n!)
NTTY" Dissertao de Mestrado - Curso de Ps-graduao em 'ngen*aria de Produo)
U/.GS) Porto Alegre"
MAZ.2DAZ2S) Sp1ros" /orecasting$ its role and value %or planning and strateg1"
Internti"n' S".rn' "# F"re3-tin(" v" IN) n" R) p" XIO-XOV) Dec" IQQY"
MAZ.2DAZ2S) Sp1rosF `2@Z-'.) .o!ert" Averages o% /orecasts$ Some 'mpirical
.esults" Mn(e%ent S3ien3e) v" NQ) n" Q) p" QMV-QQY) IQMO"
MAZ.2DAZ2S) Sp1rosF `S''-`.2GSH) StevenF Sa@DMA@) .o!" F"re3-tin(:
Met*"!- n! A55'i3ti"n-" O" ed" @eG aorC$ Bo*nASons) IQQM"
MA-S#H.A) @aresc* Z" Intr"!.EF" V Pe-O.i- !e MrTetin(" R" ed" Porto Alegre)
5ooCman) NTTV"
MA.LU'S) 'duardo 5arro,o" C"%DinEF" !e Pre6i-Xe- !e Yn!i3e- PreE"-) 011@"
Dissertao de Mestrado" 'scola de Ps-graduao em 'conomia" /GE) .io de Baneiro"
MA.H2@S) Petr7nio G"F -AUG'@2) /ernando P" A!%ini-trEF" ! Pr"!.EF"" N" ed" So
Paulo$ Saraiva) NTTY"
IOM
M'@'b'S) '"M" A S2-EA) '"-" Met"!"'"(i ! Pe-O.i- e E'D"rEF" !e !i--ertEF")
NTTI+ O& edio revisada" /lorianpolis$ -a!oratrio de 'nsino a Dist_ncia da U/SC"
Dispon(vel em$r *ttp$iiGGG"ead"u%ms"!rimarceloiorientaiMetodologiao" Acesso em$ TO a!ril
NTTY) NT$OT"
M#@ZS) Bosep* G" A!%ini-trEF" ! Pr"!.EF"" So Paulo$ McGraG-Sill) IQMV"
M#@HG#M'.a) Douglas C"F B#S@S#@) -1nGood A" F"re3-tin( n! ti%e -erie-
n'9-i-+ @eG aorC$ McGraGSill) IQVY"
M#.'2.A) Daniel A" A!%ini-trEF" ! Pr"!.EF" e O5erEXe-" So Paulo$ Pioneira
H*omson -earning) NTTR"
M#.'HH2@) Pedro A"F H#-#2) Cl6lia M" SArie- Te%5"ri-" N" ed" So Paulo$ Atual) IQMV"
#-2E'2.A) S(lvio -" Trt!" !e %et"!"'"(i 3ient&#i3" N" ed" So Paulo$ Pioneira) IQQQ"
#bAZ2) H" #n t*e order determination o% A.2MA models" A55'ie! Stti-ti3-" E" NY) p"
NQT-OTI) IQVV"
P'--'G.2@2) /ernando ." Met"!"'"(i 5r I%5'e%entEF" !e Si-te%- !e Pre6i-F" !e
De%n!) NTTT" Dissertao de Mestrado - Curso de Ps-graduao em 'ngen*aria de
Produo) U/.GS) Porto Alegre"
P.'5-') Bo*n" Pu!lic Sector Use o% t*e Delp*i Hec*nique" Te3*n"'"(i3' F"re3-tin( n!
S"3i' C*n(e+ v" NO) n" I) p" VX-MM) IQMO"
.2@GU'SH) Be%%re1 -"F HA@G) ZGei" Simple .ules %or Com!ining /orecasts$ Some
'mpirical .esults" S"3i"-E3"n"%i3 P'nnin( S3ien3e" v" NI) n"IR) p" NOQ-NRO) IQMV"
SAAHa) H" -" MAt"!" !e AnI'i-e GierIrO.i3" So Paulo$ McGraG-Sill) IQQI"
SAM#S2-) ." `" Measuring t*e '%%icienc1 o% an 2n%ormal /orecasting Process) /oresig*t)
Internti"n' In-tit.te "# F"re3-ter-) NTTY"
SA@D'.S) @ada ."F .2HbMA@) -arr1 P" Budgmental Ad<ustment o% Statistical /orecasts"
2n$ A.MSH.#@G) B" Scott" Prin3i5'e- "# F"re3-tin(: Gn!D""T #"r Re-er3*e- n!
Pr3titi"ner-" 5oston$ ZluGer Academic Pu!lis*ers) NTTI"
S'E'.2@#) Antonio B" Met"!"'"(i !" trD'*" 3ient&#i3"+ So Paulo$ Corte,) NTTN"
S2-EA) C*ristian -ui," Competitividade$ mais que um o!<etivo) uma necessidade+ Re6i-t
FeD.-ine-- ) n"I) nov" NTTI"
SZ2@@'.) C" `icC*am" Manu%acturing - H*e Missing -inC in Corporate Strateg1" Gr6r!
7.-ine-- Re6ie:" v" RV) n" O) p" IOY-IRX) Ma1 IQYQ"
S-ACZ) @igelF CSAM5'.S) StuartF B#S@SH#@) .o!ert" A!%ini-trEF" ! Pr"!.EF"" N"
ed" So Paulo$ Atlas) NTTN"
S#UbA) .einaldo C"F CAMA.G#) Maria '" AnI'i-e e Pre6i-F" !e SArie- Te%5"ri- - O-
M"!e'"- Ari%" N" ed" .io de Baneiro$ Gr3%ica e 'ditora .egional) NTTR"
IOQ
SP2'G'-) Murra1 ." E-tt&-ti3+ O" ed" So Paulo$ MaCron 5ooCs) IQQO"
SHA-Z) George Br" Hime - H*e @ext Source o% Competitive Advantage" Gr6r! 7.-ine--
Re6ie:" v" YY) n" R) p"RI-XI) Bul" IQMM"
SH#@'.) Bames A" S") /.'MA@) ."'dGard" A!%ini-trEF"" M ed" .io de Baneiro$ Prentice-
Sall) IQQQ"
H.2P#D2) Hon1 et al" AnI'i-e ! 5e-O.i- -"3i': !iretriKe- 5r " .-" !e 5e-O.i- e%
-er6iE" -"3i' e e% 3iJn3i- -"3ii-+ .io de Baneiro$ /rancisco Alves) IQVX"
HSAa) ." S" Hime Series Model Speci%ication in t*e Presence o% #utliers" S".rn' "# t*e
A%eri3n Stti-ti3' A--"3iti"n) v" MI) n" OQO) ION-IRI) IQMY"
HSAa) ." S" #utliers) -evel S*i%ts) and Eariance C*anges in Hime Series" S".rn' "#
F"re3-tin() v" V) I-NT" IQMM"
E'.GA.A) S" Pr"/et"- e Re'tMri"- !e Pe-O.i- e% A!%ini-trEF"" V ed" So Paulo$
Atlas) NTTY"
E#--MA@@) H*omas '"F 5'..a) `illiam -"F `Sa5A.Z) David C" Mn.#3t.rin(
5'nnin( n! 3"ntr"' -9-te%-" R" ed" @eG aorC$ McGraG-Sill) IQQV"
`ACZ'.) Bo*n G"F C.#MAH2C) Bane S" Adapting %orecasting met*ods to t*e small %irm"
S".rn' "# S%'' 7.-ine-- Mn(e%ent) S"2" ) p" I-V) Bul1) IQVQ"
`'55a) .ic*ardF #yC#@@#.) Marcus" Budgmental and Statistical Hime Series
/orecasting$ A .evieG o% t*e -iterature" Internti"n' S".rn' "# F"re3-tin() v" IN) n" I)
p" QI-IIM) IQQY"
`'.@'.) -ianeF .25'2.#) Bos6 -uis Duarte" Previso de Demanda$ Uma aplicao dos
Modelos 5ox A BenCins na Wrea de Assist;ncia H6cnica de Computadores Pessoais" Re6i-t
Ge-tF" R Pr"!.EF") v"IT) n"I) p"RV-YV) a!r"NTTO"
+++++++" Modelo composto para prever demanda atrav6s da integrao de previs=es" Re6i-t
Pr"!.EF") v" IY) n" O) p" RQO-XTQ) Set"iDe," NTTY"
`.2GSH) GeorgeF -A`.'@C') Mic*aelF C#--#Pa) /red" H*e .ole and Ealidit1 o%
Budgment in /orecasting" Internti"n' S".rn' "# F"re3-tin(" v" IN) n" I) p" I-M) IQQY"
`.2GSH) BamesF G2#E2@Abb#) .enata" Delp*i - Uma %erramenta de apoio ao
plane<amento prospectivo+ C!ern" !e Pe-O.i- e% A!%ini-trEF"" So Paulo) v" I) n" IN)
p" XR-YX) NTTT"
a2@) .o!ert C-e St.!9 Re-er3*: !e-i(n n! %et*"!-+ -ondon$ Sage Pu!lications) IQQR"
bA.@#`2Hb) E" H*e accurac1 o% individual and group %orecast %rom !usiness #utlooC
surve1s" S".rn' "# F"re3-tin() v"O) p" II-NY) IQMR"
IRT

Você também pode gostar