Você está na página 1de 33

Previso de Demanda

Captulo 1

Viso Geral dos Sistemas de Produo

Previso da Demanda
(TUBINO, 1999)

A previso da demanda a base para o planejamento


estratgico da produo, vendas e finanas de qualquer
empresa.

Permite que os administradores destes sistemas antevejam o


futuro e planejem adequadamente suas aes.

As previses so usadas pelo PCP em dois momentos


distintos: para planejar o sistema produtivo e para planejar
o uso deste sistema produtivo.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

Previso da Demanda

A responsabilidade pela preparao da previso da


demanda normalmente do setor de Marketing ou
Vendas. Porm, existem dois bons motivos para que o
pessoal do PCP entenda como esta atividade realizada.

A previso da demanda a principal informao empregada pelo


PCP na elaborao de suas atividades;
Em empresas de pequeno e mdio porte, no existe ainda uma
especializao muito grande das atividades, cabendo ao pessoal
do PCP (geralmente o mesmo de Vendas) elaborar estas
previses.
Atualmente as empresas esto buscando um relacionamento mais
eficiente dentro de sua cadeia produtiva.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

Etapas de um modelo de previso


Objetivo do modelo

Coleta e anlise dos dados

Seleo da tcnica de previso

Obteno das previses

Monitorao do modelo
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

Objetivo do Modelo

A primeira etapa consiste em definir a razo pela qual


necessitamos de previses. Que produto, ou famlias de
produtos, ser previsto, com que grau de acuracidade e
detalhe a previso trabalhar, e que recursos estaro
disponveis para esta previso.

A sofisticao e o detalhamento do modelo depende da


importncia relativa do produto, ou famlia de produtos, a ser
previsto e do horizonte ao qual a previso se destina.
Itens pouco significativos podem ser previstos com maior margem
de erro, empregando-se tcnicas simples. Assim como admite-se
margem de erro maior para previses de longo prazo,
empregando-se dados agregados de famlias de produtos.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

Coleta e Anlise dos Dados

Visa identificar e desenvolver a tcnica de previso que


melhor se adapte. Alguns cuidados bsicos:

Quanto mais dados histricos forem coletados e analisados, mais


confivel a tcnica de previso ser;
Os dados devem buscar a caracterizao da demanda pelos
produtos da empresa, que no necessariamente igual as vendas
passadas;
Variaes extraordinrias da demanda devem ser analisadas e
substitudas por valores mdios, compatveis com o
comportamento normal da demanda;
O tamanho do perodo de consolidao dos dados tem influncia
direta na escolha da tcnica de previso mais adequada, assim
como na anlise das variaes extraordinrias.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

Seleo da Tcnica de Previso

Existem tcnicas qualitativas e quantitativas. Cada uma


tendo o seu campo de ao e sua aplicabilidade. Alguns
fatores merecem destaque na escolha da tcnica de
previso:

Decidir em cima da curva de troca custo-acuracidade;


A disponibilidade de dados histricos;
A disponibilidade de recursos computacionais;
A experincia passada com a aplicao de determinada tcnica;
A disponibilidade de tempo para coletar, analisar e preparar os
dados e a previso;
O perodo de planejamento para o qual necessitamos da previso.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

Obteno da Previses e
Monitorao

Com a definio da tcnica de previso e a aplicao dos


dados passados para obteno dos parmetros
necessrios, podemos obter as projees futuras da
demanda. Quanto maior for o horizonte pretendido, menor
a confiabilidade na demanda prevista.

A medida em que as previses forem sendo alcanadas pela


demanda real, deve-se monitorar a extenso do erro entre a
demanda real e a prevista, para verificar se a tcnica e os
parmetros empregados ainda so vlidos. Em situaes normais,
um ajuste nos parmetros do modelo, para que reflita as
tendncias mais recentes, suficiente.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

Tcnicas de previso

Existem uma srie de tcnicas disponveis, com


diferenas substanciais entre elas. Porm, cabe descrever
as caractersticas gerais que normalmente esto
presentes em todas as tcnicas de previso, que so:

Supem-se que as causas que influenciaram a demanda passada


continuaro a agir no futuro;
As previses no so perfeitas, pois no somos capazes de prever
todas as variaes aleatrias que ocorrero;
A acuracidade das previses diminui com o aumento do perodo
de tempo auscultado;
A previso para grupos de produtos mais precisa do que para os
produtos individualmente, visto que no grupo os erros individuais
de previso se anulam.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

Tcnicas de previso

As tcnicas de previso podem ser subdivididas em dois


grandes grupos:

As tcnicas qualitativas privilegiam principalmente dados


subjetivos, os quais so difceis de representar numericamente.
Esto baseadas na opinio e no julgamento de pessoas chaves,
especialistas nos produtos ou nos mercados onde atuam estes
produtos;
As tcnicas quantitativas envolvem a anlise numrica dos dados
passados, isentando-se de opinies pessoais ou palpites.
Empregam-se modelos matemticos para projetar a demanda
futura. Podem ser subdivididas em dois grandes grupos: as
tcnicas baseadas em sries temporais, e as tcnicas baseadas
em correlaes.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

10

Previses baseadas em sries


temporais

Partem do princpio de que a demanda futura ser uma


projeo dos seus valores passados, no sofrendo
influncia de outras variveis.

o mtodo mais simples e usual de previso, e quando bem


elaborado oferece bons resultados.
Para se montar o modelo de previso, necessrio plotar os
dados passados e identificar os fatores que esto por trs das
caractersticas da curva obtida.
Uma curva temporal de previso pode conter tendncia,
sazonalidade, variaes irregulares e variaes randnicas.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

11

Previses baseadas em sries


temporais
Tendncia

Sazonalidade
60

Demanda

50
40
30
20
10
0
Jan.

Captulo 3

Variao irregular

Variao randnica

Fev.

Mar.

Abr.

Mai.

Jun.

Jul.

Ago.

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

Set.

Out.

Nov.

Dez.

12

Tcnicas para Mdia


Mdia Mvel

A mdia mvel usa dados de um nmero predeterminado de perodos,


normalmente os mais recentes, para gerar sua previso. A cada novo
perodo de previso se substitui o dado mais antigo pelo mais recente.
n

D
Mm n

i 1

Mmn = Mdia mvel de n perodos;


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

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

13

Tcnicas para Mdia


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

Mm3

50 45 70
55,00
3

Mm5

Captulo 3

Mm3

45 70 60
58,33
3

50 45 50 45 70
52,00
5

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

14

Tcnicas para Mdia


Mdia Exponencial Mvel

O peso de cada observao decresce no tempo em


progresso geomtrica, ou de forma exponencial.

Cada nova previso obtida com base na previso anterior,


acrescida do erro cometido na previso anterior, corrigido por um
coeficiente de ponderao.

M t M t 1 a Dt 1 M t 1

Mt = Previso para o perodo t;


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

O coeficiente de ponderao (a) fixado pelo analista dentro de


uma faixa que varia de 0 a 1. Quanto maior o seu valor, mais
rapidamente o modelo de previso reagir a uma variao real da
demanda.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

15

Exerccio:
Mdia Exponencial Mvel

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

16

Tcnicas para Mdia


Mdia Exponencial Mvel
a = 0,10
Perodo
1
2
3
4
5
6
7
8
9
10
11

Captulo 3

Demanda
90
95
98
90
92
95
90
100
92
95

Previso
90,00
90,50
91,25
91,12
91,20
91,58
91,42
92,27
92,25
92,52

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

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

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

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

17

Tcnicas para Tendncia


Equao Linear

Uma equao linear possui o seguinte formato:


XY X Y

b
n X X
Y b X

a
n

Y a bX

Y = Previso da demanda para o perodo X;


a = Ordenada origem, ou intercepo no eixo dos Y;
b = Coeficiente angular;
X = Perodo (partindo de X=0) para previso;
n = nmero de perodos observados.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

18

Exerccio:
Tcnicas para Tendncia
Equao Linear

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

19

Tcnicas para Tendncia


Equao Linear
Semana(X)

Demanda(Y)

1
2
3
4
5
6
7
8

450
430
470
480
450
500
520
530
3830

1
3
6
10
15
21
28
36

8 17770 36 3830 4280

12,73
8 204 36 36
336

3830 12,73 36
a
421,46
8
Captulo 3

X
1
5
14
30
55
91
140
204

XY
450
860
1410
1920
2250
3000
3640
4240
17770

Y = 421,46 + 12,73 X

Y9 = 421,46 + 12,73 (9) = 536,03


Y10 = 421,46 + 12,73 (10) = 548,76

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

20

Tcnicas para Tendncia


Ajustamento Exponencial
Pt 1 M t Tt

M t Pt a 1 Dt Pt

Tt Tt 1 a 2 Pt Pt 1 Tt 1

Pt+1 = Previso da demanda para o perodo t+1;


Pt = Previso da demanda para o perodo t;
Pt-1 = Previso da demanda para o perodo t-1;
Mt = Previso mdia exponencial mvel da demanda para o perodo t;
Tt = Previso da tendncia para o perodo t;
Tt-1 = Previso da tendncia para o perodo t-1;
a1 = coeficiente de ponderao da mdia;
a2 = coeficiente de ponderao da tendncia;
Dt = Demanda do perodo t;
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

21

Exerccio:
Tcnicas para Tendncia
Ajustamento Exponencial

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

22

Tcnicas para Tendncia


Ajustamento Exponencial

Perodo
t

Demanda
D

1
2
3
4
5
6
7
8

200
250
240
300
340
390
350
400

Captulo 3

M t Pt a 1 Dt Pt

Tt Tt 1 a 2 Pt Pt 1 Tt 1

Pt 1 M t Tt

Estimativa inicial da tendncia = (240-200)/2 = 20


Estimativa inicial da demanda = 240 + 20 = 260
268=260+0,2(300-260)
298,4=288+0,2(340-288)
334,6=320,8+0,2(390-320,8)
358,0=360,1+0,2(350-360,1)
390,1=387,6+0,2(400-387,2)

260=240+20
20=20+0,3((260-240)-20)
288=268+20
22,4=20+0,3((288-260)-20)
320,8=298,4+22,4
25,5=22,4+0,3((320,8-288)-22,4)
360,1=334,6+25,5
29,6=25,5+0,3((360,1-320,8)-25,5) 387,6=358,0+29,6
29,0=29,6+0,3((387,6-360,1)-29,6) 419,1=390,1+29,0

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

23

Tcnicas para Previso da


Sazonalidade

A sazonalidade expressa em termos de uma quantidade,


ou de uma percentagem, da demanda que desvia-se dos
valores mdios da srie. Caso exista tendncia, ela deve
ser considerada.

O valor aplicado sobre a mdia, ou a tendncia, conhecido como


ndice de sazonalidade.

A forma mais simples de considerar a sazonalidade nas


previses da demanda, consiste em empregar o ltimo
dado da demanda, no perodo sazonal em questo, e
assumi-lo como previso.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

24

Tcnicas para Previso da


Sazonalidade

A forma mais usual de incluso da sazonalidade nas


previses da demanda, consiste em obter o ndice de
sazonalidade para os diversos perodos, empregando a
mdia mvel centrada, e aplic-los sobre o valor mdio
(ou tendncia) previsto para o perodo em questo.

O ndice de sazonalidade obtido dividindo-se o valor da


demanda no perodo pela mdia mvel centrada neste perodo. O
perodo empregado para o clculo da mdia mvel o ciclo da
sazonalidade. Quando se dispem de dados suficientes, calculamse vrios ndices para cada perodo e tira-se uma mdia.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

25

Exerccio:
Tcnicas para Previso da Sazonalidade
Dia
Segunda
Tera
Quarta
Quinta
Sexta
Sbado
Domingo
Segunda
Tera
Quarta
Quinta
Sexta
Sbado
Domingo
Segunda
Tera
Quarta
Quinta
Sexta
Sbado
Domingo
Segunda
Tera
Quarta

Captulo 3

Demanda
50
55
52
56
65
80
85
55
50
58
50
70
75
80
52
50
54
60
65
85
90
50
53
55

Mdia Mvel Centrada

ndice

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

26

Tcnicas para Previso da


Sazonalidade
Dia
Segunda
Tera
Quarta
Quinta
Sexta
Sbado
Domingo
Segunda
Tera
Quarta
Quinta
Sexta
Sbado
Domingo
Segunda
Tera
Quarta
Quinta
Sexta
Sbado
Domingo
Segunda
Tera
Quarta

Captulo 3

Demanda
50
55
52
56
65
80
85
55
50
58
50
70
75
80
52
50
54
60
65
85
90
50
53
55

Mdia Mvel Centrada

ndice

443/7=63,28
448/7=64
443/7=63,28
449/7=64,14
443/7=63,28
448/7=64
443/7=63,28
438/7=62,57
435/7=62,14
435/7=62,14
431/7=61,57
441/7=63
436/7=62,28
446/7=63,71
456/7=65,14
454/7=64,85
457/7=65,28
458/7=65,42

56/63,28=0,88
65/64=1,01
80/63,28=1,26
85/64,14=1,32
55/63,28=0,86
50/64=0,78
58/63,28=0,91
50/62,57=0,79
70/62,14=1,12
75/62,14=1,20
80/61,57=1,29
52/63=0,82
50/62,28=0,80
54/63,71=0,84
60/65,14=0,92
65/64,85=1,00
85/65,28=1,30
90/65,42=1,37

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

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

27

Tcnicas para Previso da


Sazonalidade

No caso da demanda do produto apresentar sazonalidade


e tendncia, h necessidade de se incorporar estas duas
caractersticas no modelo de previso. Para se fazer isto,
deve-se empregar os seguinte passos:

Primeiro, retirar o componente de sazonalidade da srie de dados


histricos, dividindo-os pelos correspondentes ndices de
sazonalidade;
Com estes dados, desenvolver uma equao que represente o
componente de tendncia;
Com a equao da tendncia fazer a previso da demanda e
multiplic-la pelo ndice de sazonalidade.
Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

28

Previses Baseadas em
Correlaes

Buscam prever a demanda de determinado produto a


partir da previso de outra varivel que esteja relacionada
com o produto.

O objetivo da regresso linear simples consiste em


encontrar uma equao linear de previso, do tipo Y = a +
bX (onde Y a varivel dependente a ser prevista e X a
varivel independente da previso), de forma que a soma
dos quadrados dos erros de previso (b) seja a mnima
possvel. Este mtodo tambm conhecido como
regresso dos mnimos quadrados.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

29

Previses Baseadas em
Correlaes
Y = PREVISO DA DEMANDA
PARA O ITEM DEPENDENTE

XY X Y
n X X

Y = a + bX

Y b X

b
2
b
0

X = VALOR DA VARIVEL INDEPENDENTE

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

30

Previses Baseadas em
Correlaes

Uma cadeia de fastfood verificou que as vendas mensais de refeies


em suas casas esto relacionadas ao nmero de alunos matriculados
em escolas situadas num raio de 2 quilmetros em torno da casa. A
empresa pretende instalar uma nova casa numa regio onde o
nmero de alunos de 13750. Qual a previso da demanda para esta
nova casa?
b

XY X Y = 13 5224,86 143,10 450,71 2,99


13 1663,37 143,10
n X X

X =

Y b
n

450,71 2 ,99 143,10


1,757
13

Y = 1,757 + 2,99X

Y 1,757 2 ,99 13,75 42 ,869 ou seja 42869 refeies


Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

31

Previses Baseadas em
Correlaes
Vendas por casa Nmero de alunos
XY
Y (mil)
X (mil)
31,56
10,00
38,00
12,00
25,25
8,00
47,20
15,00
22,00
6,50
34,20
11,00
45,10
14,50
32,30
10,10
29,00
9,20
40,90
13,40
40,00
12,70
24,20
7,60
41,00
13,10
Y =
X =
X.Y =

Captulo 3

Y2

Y2

X2

X2

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

32

Manuteno e Monitorizao
do Modelo

Uma vez decidida a tcnica de previso e implantado o


modelo, h necessidade de acompanhar o desempenho
das previses e confirmar a sua validade perante a
dinmica atual dos dados. Esta monitorizao realizada
atravs do clculo e acompanhamento do erro da
previso, que a diferena que ocorre entre o valor real
da demanda e o valor previsto pelo modelo para um dado
perodo. A manuteno e monitorizao de um modelo de
previso confivel busca:

Verificar a acuidade dos valores previstos;


Identificar, isolar e corrigir variaes anormais;
Permitir a escolha de tcnicas, ou parmetros, mais eficientes.

Captulo 3

Prof. Thalmo de Paiva Coelho Junior, Dr. Eng.

33