Você está na página 1de 33

05/08/2016Gestão de Materiais

Prof. Me Maick R. Lopes

Prof. Maick Lopes

Maick R. Lopes

Mail: maicklo@yahoo.com.br

Prof. Maick Lopes

1
• Pós Graduado em Docência
(2007)

• Pós Graduação em Administração Industrial


(2008)
• Mestre em Engenharia de Produção (2015)
Maick R. Lopes
Experiência Profissional:
Maick R. Lopes
Formação:
05/08/2016Prof. Maick Lopes

• Graduado em Engenharia de Produção Mecânica


(2005)
6

Maick R. Lopes
Experiência Acadêmica:

Maick Roberto Lopes maicklo@yahoo.com.br


Logística: Um Enfoque Prático Fabiano Caxito (Coord.) Editora Saraiva (2011)
http://lattes.cnpq.br/9855950180010717
Maick R. Lopes
Experiência Acadêmica:
Prof. Maick Lopes
05/08/2016Prof. Maick Lopes

3
Metodologia de Ensino
• Exposição conceitual dos conteúdos da disciplina, estimulando a participação dos aluno
de debates e relatos de situações vivenciadas no seu dia-a-dia;
• Exercícios práticos de aplicação;
• Análise de casos da área;
• Vídeos;
• Trabalhos de pesquisa bibliográfica e de campo;
• Projetos de aplicação.
Bibliografia da Disciplina
∎ COPPEAD DE ADMINISTRAÇÃO; WANKE, P. Gestão de Estoques na Cadeia de Suprimentos: decisões e modelos qu
Atlas, 2008.
∎MARTINS, P G; ALT, P R C. Administração de Materiais e Recursos Patrimoniais. Saraiva, 2006.
∎POZO, Hamilton. Administração de Recursos Materiais e Patrimoniais: uma abordagem logística. Atlas, 2008
∎ CORREA H., GIANESI, I., CAON, M. Planejamento, Programação e Controle da Produção: MRP II e ERP. Atlas, 2007
∎ BALLOU, R. Gerenciamento da Cadeia de Suprimentos/Logística Empresarial. Bookman, 2006.
8

05/08/2016Prof. Maick Lopes


Prof. Maick Lopes

05/08/2016O (Conteúdo que será Programático)


estudado ? • Gestão da Demanda
• Conceituação
• Importância da Gestão da Demanda
• Tipos de Previsão Objetivo
• Métodos de cálculo da previsão de Demanda
• Capacitar o aluno no entendimento
• Gestão dos Estoques das principais práticas de gestão e
• Objetivos do estoque fluxo de materiais, seus controles,
• Sistemas de gestão dos estoques recursos e ações que contribuam de forma eficiente para o alcance dos objetivos da organ
• Métodos para controle dos estoques
• Custos dos estoques
• Classificação ABC / Pareto
• LEC
• Planejamento de Produção
• MRP (Material Requirement Planning)
• MRP II (Manufacturing Resource Planning)
Prof. Maick Lopes

Atividades de Avaliação
• Nota (P1) – 30% da nota final:
• Nota (P2) – 30% da nota final:
• Nota Seminário (S) – 40% da nota final:
• Nota Final = P1 + P2 + S P3 substitui P1 ou P2
Prof. Maick Lopes

5
Avaliação dos Trabalhos
05/08/2016

• Alguns neste dia trabalhos não será serão atribuída realizados nota a em ele. sala
Caso o aluno falte • Parte Escrita
• Clareza na exposição de ideias
• Coesão

• Objetividade estudado e capacidade de desenvolver uma estratégia coerente com o • Erros de


concordância e Português
• Apresentação
• Postura
• Conhecimento do assunto apresentado
• Clareza na apresentação
• CoerênciaProf. Maick Lopes

Qual o Objetivo da sua Organização ?


14
Prof. Maick Lopes

A importância do Cliente
organização

12
Prof. Maick Lopes

Quem pensa que o cliente não é im


sobreviver sem ele durante 90 dias.

05/08/2016Prof. Maick Lopes


6

Exercício

• Responda em um piscar de olhos !!!!

13
•Estoques e Clientes ? - Consumo -
• Qual a relação ? Demanda
05/08/2016Prof. Maick Lopes

Planejamento e Estimativa de Vendas

• As empresas Planejam ou Estimam seus volumes de vendas ??

Estimar – Calcular de maneira aproximada Planejar – Preparar ou organizar


algo

Prof. Maick Lopes

Planejamento e Estimativa de Vendas • Planejamento das Vendas


• Definição de Público-Alvo
• Ciclo de Vendas
• Estratégia do mercado
• Posicionamento Competitivo
• Estimar as Vendas (Prever a Demanda ou do inglês - Forecasting)
• Coletar informações
• Analisar as informações
• Elaborar as estimativas (Métodos)
Previsão e meta
http://veja.abril.com.br/noticia/economia/previsao-para-inflacao-atinge-999-este-ano-e-quase-bate-teto-da- meta-em-2016-diz-bc
http://www.dci.com.br/industria/petrobras-mantem-previsao-de-declinio-da-producao-de-10-fora-do-presal- id467877.html

Prof. Maick Lopes


05/08/2016Prof. Maick Lopes

05/08/2016 Previsão não é meta !!!!

Previsões – Estimativas de como se comportará o mercado demandante no futuro. Ou seja,


ESPECULAR o mercado

Metas – São a parcela desse potencial de compra do mercado a que a empresa DESEJA atender.

• “É muito difícil fazer previsões, principalmente sobre o futuro”Niels Bohr Nobel de Física

Prof. Maick Lopes

Estimando e Realizando a Previsão da Demanda

Os planos de marketing são influenciados por expectativas de demanda, logo quanto mais realistas forem as suas previsões, seu
terão mais chances de sucesso.

DEMANDA – o número de unidades vendidas num mercado durante um período de tempo.

Identificar receitas ou custos futuros é conhecido como PREVISÃO.

Os profissionais de Marketing dependem de duas categorias amplas de previsão de demanda:

✓ POTENCIAL DE MERCADO – a demanda total esperada de um produto num determinado mercado.

✓ PREVISÃO DE VENDAS – Estimativa das vendas futuras e prováveis.

Prof. Maick Lopes


10
05/08/2016A informação da Demanda deverá tramitar do ponto de venda até o fornecedor
prima básica
Fornecedor de Matéria Prima
Montadora de Equipamentos
Varejo
Fabricante de
Atacado
Consumidores Componentes
Informação da Demanda
Prof. Maick Lopes
Gestão da Demanda
Previsão de
• Habilidade para prever
Demanda a demanda
• Canal de comunicação com o mercado
• Poder de influência sobre a demanda
Influência sobre o Mercado
Promessa de Prazos Gestão d
• Habilidade prazos
de prometer
Comunicação com o
• Habilidade de
Mercado priorização e alocação
Prof. Maick Lopes

11 Priorização e Alocação
05/08/2016Principais processos operacionais da função de ge
demanda
• Processo de previsão de vendas
• Processo de cadastramento de pedidos
• Processo de promessa de data de entrega
• Processo de definição e avaliação do nível de serviço ao cliente
• Processo de planejamento de necessidades
• Processo de distribuição física dos produtos aos clientes

Prof. Maick Lopes


A Gestão da Demanda deve envolver o

comprometimento de todas as áreas no

sentido de obter o melhor desempenho da

empresa.

Prof. Maick Lopes

12
05/08/2016Previsão da Demanda

• A responsabilidade pela preparação da previsão da demanda normalmente é do setor de M


Vendas. Porém, existem dois bons motivos para que o pessoal do PCP entenda como esta
realizada.

• A previsão da demanda é a principal informação empregada pelo PCP na elaboração de suas a

• Em empresas de pequeno e médio porte, não existe ainda uma especialização muito grande das

cabendo ao pessoal do PCP (geralmente o mesmo de Vendas) elaborar estas previsões.

• Atualmente as empresas estão buscando um relacionamento mais eficiente dentro de sua cadeia produtiva.

Prof. Maick 25
Lopes

Previsão da Demanda
• A previsão da demanda é a base para o planejamento estratégico da
Lopes

produção, vendas e finanças de qualquer empresa.


• Permite que os administradores destes sistemas antevejam o futuro e planejem

adequadamente suas ações.

• As previsões são usadas pelo PCP em dois momentos distintos: para planejar
o sistema produtivo e para planejar o uso deste sistema produtivo.
05/08/2016Como realizar uma boa Previsão da Demanda
Dados de variáveis que expliquem as vendas
Dados históricos de vendas
Informações que expliquem comportamento atípico
dos Tratamento dos Tratamento outras outras dados dados variáveis de variáveis
de estatístico
estatístico
vendas vendas e
e
Informações da conjuntura econômica
Informações de clientes
Decisões da área
Informações de comercial
concorrentes
Outras informações
Outras informações do mercado
do mercado
Reunião de Previsão Comprometimento das áreas envolvidas informações informações Tratamento Tratamento disponíveis
disponíveis
das
das
Previsão Previsão de de vendas

vendas Prof. Maick Lopes

Como realizar uma boa Previsão da Demanda


• Conhecer os mercados, suas necessidades e comportamentos
• Conhecer os produtos e seus usos
• Saber analisar os dados históricos
• Conhecer a concorrência e seu comportamento
• Conhecer as ações da empresa que afetam a demanda
• Formar uma base de dados relevantes para a previsão
• Documentar todas as hipóteses feitas na elaboração da previsão
• Trabalhar com fatos e não apenas opiniões
• Articular diversos setores para a elaboração da previsão
Prof. Maick Lopes

14
• Demanda dependente

A demanda dependente é, relativamente previsível devido a sua dependência de alguns fatores conhecidos. Ex: o gerente responsá
suficientes em uma fábrica de automóveis, não trata a demanda como uma variável ao acaso.

O processo de previsão de demanda de pneus é relativamente direto. Se forem manufaturados 200 carros em um dia em particular, é s
demandados 1.000 pneus pela fábrica dia (cinco pneus por carro).

• Demanda independente O suprimento de um supermercado é um modelo característico da demanda independente.

Os consumidores não têm que informar antecipadamente um supermercado quando chegarão e o que vão comprar.

O supermercado toma suas decisões de planejamento e controle baseado em sua experiência e conhecimento do mercado, independentemen
acontecer.
05/08/2016Prof. Maick Lopes
Prof. Maick Lopes

15
05/08/2016Prof. Maick Lopes

Características da Demanda
• Horizontal: flutuação dos dados em torno de uma média constante;

• Tendência: aumento ou diminuição sistemático na média das séries ao longo dos tempos;

• Sazonal: um padrão repetido de aumentos ou reduções graduais da demanda, depende

hora do dia, da semana, do mês ou da estação;

• Cíclico: aumentos ou diminuições graduais da demanda menos previsíveis em períodos m


longos de tempo (anos ou décadas);

• Aleatório: uma variação da demanda que não pode ser prevista


Prof. Maick Lopes

16
• Modelos de evolução sazonal de consumo
– Oscilações regulares condicionadas a determinadas causas (25%).
05/08/2016Prof. Maick Lopes

Prof. Maick Lopes

17

Climáticas Festivas Comportamentais Políticas Financeiras


• Alimentos (sorvetes, bolos de Natal)

A demanda está sujeita a fatores • Vestuário (maiôs, sapatos)

• Itens de jardinagem (sementes, fertilizantes)

• Fogos de artifício

05/08/2016
internos e externos às Outros

organizações, que podem alterar


• Serviços de viagem

o seu padrão. • Férias

Sociais • Processamento de impostos


Causas da sazonalidade • Médico (gripe epidêmica)

• Serviços de esportes

• Serviços de educação

• Materiais de construção

• Bebidas (cerveja, coca-cola)

Prof. Maick Lopes


18

– Influências Climáticas

– Influências Festivas
05/08/2016Prof. Maick Lopes
– Influência Comportamental – Preços mais competitivos dos concorrentes
– Influências políticas – Inovações tecnológicas
05/08/2016Prof. Maick Lopes

Prof. Maick Lopes

20

Dafra Speed CG 125 FAN


05/08/2016Prof. Maick Lopes
Prof. Maick Lopes

05/08/2016 Importância da Previsão de Vendas


• Utilizar as máquinas de maneira adequada
• Realizar a reposição dos materiais corretamente
• Todas as operações da empresa, sejam devidamente programadas
• Melhor previsto planejamento e o realizado orçamentário e de capital, com menor variação e
custo • Melhor alocação dos recursos físicos nos processos operacionais
• Atendimento competitividade aos dos requisitos produtos e de serviços nível da de empr

no aos mercado clientes, garantindo a • Redução planejamento de custos pelo uso operacio

eficiente da através informação da de otimização previsão de processos e melhor • Melhor d

processos gerenciamento – informação da operação da previsão pela redução de uma das f


variabilidade • Maior (marketing, previsão.

integração finanças, e melhor vendas comunicação e logística) entre devido as a áreas uma

funcionais credibilidade da empresa da Prof. Maick Lopes

• Planejamento – Processo lógico que descreve as atividades necessárias para ir do po

qual nos encontramos até o objetivo definido


• Predição – processo para determinação de um acontecimento futuro baseado
completamente subjetivos e sem uma metodologia de trabalho clara
• Previsão – processo metodológico para determinação de dados futuros baseados e
estatísticos, matemáticos ou econométricos ou ainda em modelos subjetivos apoiado
metodologia de trabalho clara e previamente definida
Prof. Maick Lopes

22

05/08/2016 Porque não deu certo ????


http://carplace.uol.com.br/carros-para-sempre-a-frente-de-seu-tempo-mercedes-classe-a-fracassou-no-brasil/

Prof. Maick Lopes

•O objetivo de reduzir erros é maior do que o de se

acertar previsões

Prof. Maick Lopes

23
05/08/2016Prof. Maick Lopes
Prof. Maick Lopes

24
A primeira etapa consiste em definir a razão pela qual necessitamos de previsões. Que
famílias de produtos, será previsto, com que grau de acuracidade e detalhe a previsão tr
que recursos estarão disponíveis para esta previsão.

A sofisticação e o detalhamento do modelo depende da importância relativa do produto, ou família d

produtos, a ser previsto e do horizonte ao qual a previsão se destina.


Itens
pouco significativos podem ser previstos com maior margem de erro, empregando-se técnicas simples
como admite-se margem de erro maior para previsões de longo prazo, empregando-se dados ag

famílias de produtos.
Objetivo do Modelo
05/08/2016Prof. Maick Lopes
Prof. Maick Lopes

25

Coleta e Análise dos Dados


Visa identificar e desenvolver a técnica de previsão que melhor se adapte. Alguns
cuidados básicos:
Quanto
Seleção da Técnica de Previsão
Existem técnicas qualitativas e quantitativas. Cada uma tendo o seu campo de ação e sua apl
Alguns fatores merecem destaque na escolha da técnica de previsão:
Decidir
05/08/2016mais dados históricos forem coletados e analisados, mais confiável a técnica de previsão

dados devem buscar a caracterização da demanda real pelos produtos da empresa, que não é neces

igual as vendas passadas (faltas, postergação,...); Variações extraordinárias da demanda (greves


promoções, ...) devem ser analisadas e substituídas por valores médios, compatíveis com o com
normal da demanda; O tamanho do período de consolidação dos dados (semanal, mensal,...) tem in

direta na escolha da técnica de previsão mais adequada, assim como na análise das variaçõe

extraordinárias.
Prof. Maick Lopes
em cima da curva de troca “custo-acuracidade”;
A disponibilidade de dados históricos;
A disponibilidade de recursos computacionais; A experiência passada com a aplicação de determinad
disponibilidade de tempo para coletar, analisar e preparar os dados e a previsão; O período de planeja
o qual necessitamos da previsão.
Prof. Maick Lopes

26

Técnicas de Previsão
Existem uma série de técnicas disponíveis, com diferenças substanciais entre elas. Porém, ca
descrever as características gerais que normalmente estão presentes em todas as técnicas

previsão, que são:


Supõem
As técnicas de previsão podem ser subdivididas em dois grandes grupos:
As
05/08/2016-se que as causas que influenciaram a demanda passada continuarão a agir no futuro; As

não são perfeitas, pois não somos capazes de prever todas as variações aleatórias que ocorrerão; A
acuracidade das previsões diminui com o aumento do período de tempo auscultado; A previsão para g
produtos é mais precisa do que para os produtos individualmente, visto que no grupo os erros ind

previsão se anulam.
Prof. Maick Lopes

técnicas qualitativas privilegiam principalmente dados subjetivos, os quais são difíceis de representa

numericamente. Estão baseadas na opinião e no julgamento de pessoas chaves, especialistas

produtos ou nos mercados onde atuam estes produtos;


As técnicas quantitativas envolvem a análise numérica dos dados passados, isentando- se de opiniõ

ou palpites. Empregam-se modelos matemáticos para projetar a demanda futura. Podem ser s
em dois grandes grupos: as técnicas baseadas em séries temporais, e as técnicas causais (M

conhecidos: Regressão Simples e Múltipla)


Prof. Maick Lopes

27
Técnicas Qualitativas
• Pouco tempo para coleta de dados, introdução de novos produtos, cenário político/econômico instá
• Questões estratégicas – em conjunto com modelos matemáticos e técnicas quantitativas
Técnicas Quantitativas
Séries
05/08/2016Temporais – modelo matemático da demanda futura relacionando dados históricos de ve

produto com o tempo Causais – associar dados históricos de vendas do produto com uma ou mais v

relacionadas à demanda
Prof. Maick Lopes

Modelos de Previsão de Vendas


Técnicas
Técnicas Qualitativas
Quantitativas
•Consenso do Comitê
•Regressão Linear (ou Executivo
Ajustamento de Retas)
•Método Delphi
•Média Móvel
•Pesquisa da Equipe de
•Média Ponderada Móvel Vendas
•Exponencial Móvel
•Pesquisa junto a Clientes
•Ajustamento Sazonal
•Pesquisa de Mercado
(para fenômenos sem tendências)
Prof. Maick 56
Lopes

28
05/08/2016Modelos Qualitativos de Previsão

• Métodos que normalmente se baseiam em julgamentos a respeito dos fatores causais que fundamentam as vendas dos pro

em opiniões sobre a probabilidade de esses fatores causais estarem presentes no futuro.


• Podem envolver alguns níveis de sofisticação, como por exemplo, o uso de pesquisas de opinião.

• Exemplos de métodos qualitativos de previsão:


• Consenso do Comitê Executivo
• Método Delphi
• Pesquisa da Equipe de Vendas
• Pesquisa junto a Clientes
• Analogia Histórica
• Pesquisa de Mercado

Prof. Maick 57
Lopes
Modelos Qualitativos de Previsã
do Comitê Executivo

• executivos com alta capacidade de discernimento, oriundos de diversos departamentos da organização, formam um Comitê

responsabilidade de desenvolver a previsão de vendas.

• normalmente, o Comitê lida com informações (inputs) de diversas partes da organização, atuando em conjunto com uma eq

(staff) para a realização das análises necessárias.


• é um método de previsão bastante comum, e amplamente utilizado pelas empresas.
Lopes

Prof. Maick 58

05/08/2016Modelos Qualitativos de Previsão Método Delphi

• utilizado para se obter consenso dentro de um Comitê.

• através dele, os executivos respondem anonimamente a uma série de perguntas em turnos sucessivos; cada resposta é rep

participantes em cada turno, e o processo é então repetido.


• até SEIS turnos podem ser necessários antes que se atinja o consenso sobre a previsão.

• esse método normalmente resulta em previsões com as quais a maioria dos participantes concordou apesar de ter ocorrido

inicial.
Lopes

Modelos Qualitativos de Previsã


da Equipe de Vendas
Prof. Maick 59

• estimativas de vendas regionais futuras são obtidas de membros individuais da equipe de vendas.

• essas estimativas são combinadas para formar uma estimativa de vendas única para todas as regiões, que deve então ser

gerentes numa previsão de vendas para assegurar estimativas realistas.

• esse é um método de previsão popular para empresas que têm um bom sistema de comunicação em funcionamento e uma

que vende diretamente aos Clientes.


Lopes

Prof. Maick 60

05/08/2016Modelos Qualitativos de Previsão Pesquisa junto a Clientes

• estimativas de venda futuras são obtidas diretamente dos Clientes.

• Clientes individuais são pesquisados para determinar quais quantidades dos produtos da empresa eles pretendem comprar e

tempo futuro.

• uma previsão de vendas é determinada combinando-se as respostas de Clientes individuais.

• esse método é um dos preferidos das empresas que têm relativamente poucos Clientes.
Lopes

Modelos Qualitativos de Previsão


Histórica Prof. Maick 61
• esse método une a estimativa de vendas futuras de um produto ao conhecimento das vendas de um produto similar.

• o conhecimento das vendas de um produto durante várias etapas de seu ciclo de vida é aplicado à estimativa de vendas de u

• esse método pode ser especialmente útil na previsão de vendas de novos produtos.
Lopes

Prof. Maick 62

05/08/2016Modelos Qualitativos de Previsão Pesquisa de Mercado

• utilizam questionários por correspondência ou e-mail, entrevistas telefônicas ou entrevistas de campo.

• esses métodos são preferidos para novos produtos ou para produtos existentes a serem introduzidos em novos segmentos de
Lopes

Modelos Quantitativos de Previsã

Prof. Maick 63

• São modelos matemáticos baseados em dados históricos; eles supõem que dados passados são relevantes para o futuro.

• Exemplos de métodos qualitativos de previsão:


• Regressão Linear (ou Ajustamento de Retas)
• Média Móvel
• Média Ponderada Móvel
• Média Exponencial Móvel
• Ajustamento Sazonal (para fenômenos sem tendências)
Lopes

Prof. Maick 64

05/08/2016Modelos Quantitativos de Previsão Média Móvel Simples


• trabalha com a média dos dados de alguns períodos recentes, que se torna a previsão para o período seguinte.
• ideal para previsões de curto prazo.
• deve-se escolher sobre quantos períodos a média será calculada (período de recorrência).
Prof. Maick 65
Lopes

Modelos Quantitativos de Previsão Exemplo Média Móvel Simples


Semana Demanda Real
Previsões (R$ 1000) PR=3 sem PR=5 sem PR=7 sem 1 100 2 125 3 90 4 110 5 105 6 130 7 85 8 102 106,7 104,0 106,4 9 110 105,7 106,4 106,7 10 90 99,0 106
100,7 103,4 104,6 12 95 101,7 98,4 103,9 13 115 96,7 100,4 102,4 14 120 105,0 103,0 100,3 15 80 110,0 105,0 105,3 16 95 105,0 103,0 102,1 17 100 98,3 101,0
PR = PERÍODO DE RECORRÊNCIA Prof. Maick 66
Lopes

33
05/08/2016Modelos Quantitativos de Previsão Exemplo Média Móvel Simples
Semana Demanda Real
Previsões (R$ 1000) PR=3 sem PR=5 sem PR=7 sem 1 100 2 125 3 90 4 110 5 105 6 130 7 85 8 102 106,7 104,0 106,4 9 110 105,7 106,4 106,7 10 90 99,0 106
100,7 103,4 104,6 12 95 101,7 98,4 103,9 13 115 96,7 100,4 102,4 14 120 105,0 103,0 100,3 15 80 110,0 105,0 105,3 16 95 105,0 103,0 102,1 17 100 98,3 101,0
PR = PERÍODO DE RECORRÊNCIA Prof. Maick 67
Lopes

Acurácia das Previsões Cálculo do erro


• Acurácia – Diferença entre as previsões e as vendas reais correspondentes• Erro A

ou Erro relativo ??
• Erro Absoluto – Diferença entre o valor exato de um número e seu valor aprox
• Erro Relativo – É a razão entre o erro absoluto e o valor exato, normalmente expr
termos percentuais
Qual realmente importa para a empresa ?????
O erro absoluto para logística é o verdadeiro erro
Prof. Maick Lopes

34
05/08/2016Qual o melhor período para previsão ?
Semana Demanda Real
Previsões (R$ 1000) PR=3 sem PR=5 sem PR=7 sem 1 100 2 125 3 90 4 110 5 105 6 130 7 85 8 102 106,7 104,0 106,4 9 110 105,7 106,4 106,7 10 90 99,0 106
100,7 103,4 104,6 12 95 101,7 98,4 103,9 13 115 96,7 100,4 102,4 14 120 105,0 103,0 100,3 15 80 110,0 105,0 105,3 16 95 105,0 103,0 102,1 17 100 98,3 101,0
PR = PERÍODO DE RECORRÊNCIA Prof. Maick 69
Lopes

Modelos Quantitativos de Previsão Exemplo Média Móvel


Semana Demanda
Previsões Real
PR=3 sem PR=5 sem PR=7 sem (R$ 1000) Previsões DesvAbs Previsões DesvAbs Previsões DesvAbs 8 102 106,7 4,7 104,0 2,0 106,4 4,4 9 110 105,7 4,3 106,4 3,6 10
106,4 16,4 104,6 14,6 11 105 100,7 4,3 103,4 1,6 104,6 0,4 12 95 101,7 6,7 98,4 3,4 103,9 8,9 13 115 96,7 18,3 100,4 14,6 102,4 12,6 14 120 105,0 15,0 103,0 17,0 100,3
105,0 25,0 105,3 25,3 16 95 105,0 10,0 103,0 8,0 102,1 7,1 17 100 98,3 1,7 101,0 1,0 100,0 - Desvio Absoluto Total 104,0 92,6 96,3 Desvio Absoluto Mé
PR = PERÍODO DE RECORRÊNCIA
A precisão da previsão PR=5 é a melhor, porque seu DAM tende a ser menor do que com 3 ou 7 semanas.
Prof. Maick 70
Lopes

35
05/08/2016Modelos Quantitativos de Previsão Média Ponderada Móvel

• trabalha-se de forma semelhante à média móvel, porém, ponderando de forma desigual os dados históricos

Semana Demanda Real Ponderação Previsão


(R$ 1000) PR=3 sem 1 100 2 125 3 90 4 110 5 105 6 130 7 85 20% 8 102 30% 9 110 50% 10 90 102,6

Previsão (10) = 85*20%+102*30%+110*50% = 102,6

erro de previsão do períodoProf.


anterior
Maickpor
71 uma constante que está
Lopes
• Essa constante (alfa) é chamada constante de amortecimento.

Pt = previsão para o período t, o período seguinte Pt-1 = previsão


período anterior Rt-1 = dados reais para o período t-1, o período
de amortecimento, de 0 a 1

Modelos Quantitativos de Previsão Pt = Pt-1 + alfa* (Rt-1 - Pt-1) Pt = alfa*Rt-1 +


Exponencial Móvel alfa)*Pt-1

• Também conhecida como média móvel com ajustamento exponencial Lopes

• A exponencial móvel pega a previsão correspondente ao período anterior e faz um ajuste para obter a

previsão para o período seguinte.

• Esse ajuste é uma proporção do erro de previsão no período anterior e é computado multiplicando-se o

05/08/2016Modelos Quantitativos de Previsão Exponencial Móvel


Semana Demanda Real
Previsões (R$ 1000) alfa = 0,1 alfa = 0,2 alfa = 0,3 7 85 85,0 85,0 85,0 8 102 85,0 85,0 85,0 9 110 86,7 88,4 90,1 10 90 89,0 92,7 96,1
92,2 94,2 12 95 90,7 94,7 97,5 13 115 91,1 94,8 96,7 14 120 93,5 98,8 102,2 15 80 96,2 103,1 107,5 16 95 94,6 98,5 99,3 17 100 94,6
Pt = alfa*Rt-1 + (1 – alfa)*Pt-1
Alfa = 0,1
Previsão (8) = 0,1 * 85 + (1-0,1) * 85 = 8,5 +76,5 = 85 Previsão (9) = 0,1 * 102 + (1-0,1) * 85 = 10,2 + 76,5= 86,7
Prof. Maick 73
Lopes

Modelos Quantitativos de Previsão Exponencial Móvel


Semana Demanda
Previsões Real
alfa = 0,1 alfa = 0,2 alfa = 0,3 (R$ 1000) Previsões DesvAbs Previsões DesvAbs Previsões DesvAbs 8 102 85,0 17,0 85,0 17,0 85,0 17,0 9 110 86,7 23,3 88,4 21,6 90
92,7 2,7 96,1 6,1 11 105 89,1 15,9 92,2 12,8 94,2 10,8 12 95 90,7 4,3 94,7 0,3 97,5 2,5 13 115 91,1 23,9 94,8 20,2 96,7 18,3 14 120 93,5 26,5 98,8 21,2 102,2 17,8 15 8
107,5 27,5 16 95 94,6 0,4 98,5 3,5 99,3 4,3 17 100 94,6 5,4 97,8 2,2 98,0 2,0 Desvio Absoluto Total 133,8 124,5 126,1 Desvio Absoluto Médio
A constante de amortecimento alfa=0,2 apresenta uma precisão ligeiramente melhor quando comparada com alfa=0,1 e alfa=0,3.
Prof. Maick 74
Lopes

37
Modelos Quantitativos de Previsão Análise de Regressão Linear Simples
• é um modelo de previsão que estabelece uma relação entre uma variável dependente e uma ou mais variáveis indepe

• na análise de regressão linear simples há somente uma variável independente.


75

Modelos Quantitativos de Previsão Análise de Regressão Linear Simples


x = valores de variáveis independentes y = valores de variáveis dependentes n = número de observações a = intercepto do eixo vertical b = inclinação da linha de
Prof. Maick Lopes Y = valores de y que se situam na linha de tendências X = valores de x que se situam na linha de tendências
Y = a + bX
76

05/08/2016Prof. Maick Lopes

38
05/08/2016Modelos Quantitativos de Previsão Exemplo - Análise de Regress

Ano Venda Anual Período de x2 xy


em unids (y) Tempo (x) 1 1.000 1 1 1.000 2 1.300 2 4 2.600 3 1.800 3 9 5.400 4 2.000 4 16 8.000 5 2.000 5 25
10.000 6 2.000 6 36 12.000 7 2.200 7 49 15.400 8 2.600 8 64 20.800 9 2.900 9 81 26.100 10 3.200 10
100 32.000 Totais 21.000 55 385 133.300
em unids (y) Tempo (x) 1 1.000 1 1 1.000 2 1.300 2 4 2.600
2.000 4 16 8.000
Prof. Maick5 772.000 5 25 10.000 6 2.000 6
Lopes 49 15.400 8 2.600 8 64 20.800 9 2.900 9 81 26
32.000 Totais 21.000 55 385 133.300

Lopes

Modelos Quantitativos de Previsão Exemplo -


Análise de Regressão Linear Simples

Ano Venda Anual Período de x2 xy


Modelos Quantitativos de Previsão Exemplo - Análise de Regressão Linear Simples
• se desejássemos prever as vendas em milhares de unidades para os três anos seguintes, substituiríamos 11, 12 e 13
abaixo:
Y = 913,33 + 215,76*X
• Y11 = 913,33 + 215,76*(11) = 3.286,7
• Y12 = 913,33 + 215,76*(12) = 3.502,4
• Y13 = 913,33 + 215,76*(13) = 3.718,2
80

05/08/2016Modelos Quantitativos de Previsão Exemplo - Análise de Regressão Line


Ano Venda Anual Período de x2 xy
em unids (y) Tempo (x) 1 1.000 1 1 1.000 2 1.300 2 4 2.600 3 1.800 3 9 5.400 4 2.000 4 16 8.000 5 2.000 5 25 10.000 6 2.000 6 36 12.000 7 2.200 7 49 15.400 8 2.600 8 64 20.800 9 2.900 9 81 26.100 1
Totais 21.000 55 385 133.300 Cálculo
do a:
a = 21.000 – 215,76*55 = 913,33
10
Cálculo do b:
b = 10*133.300 - 55*21.000 = 215,76
10*385 – (55)2
Prof. Maick Lopes

40 Y = 913,33 + 215,76*X
Prof. Maick 79
Lopes

05/08/2016Exercício

• A venda dos últimos 10 meses de bicicletas ergométricas da All Fitness têm os valores da tabela abaixo.

• Determinar a previsão de vendas para o período 11, utilizando o modelo da média móvel dos últimos 10 meses.

Mês 1 2 3 4 5 6 7 8 9 10 Unidades 285 288 310 290 305 299 315 320 303 300

Prof. Maick 81
Lopes

Lopes

Resolução do Exercício

• previsão para o período 11:

Mês 1 2 3 4 5 6 7 8 9 10 11 Unidades 285 288 310 290 305 299 315 320 303 300 301,50

05/08/2016Exercício
• Uma linha de cosméticos tem apresentado as vendas nos últimos sete meses conforme a tabela abaixo. Re

a previsão de vendas para os meses de agosto, setembro e outubro utilizando o modelo de ajustamento de u
reta pelos mínimo quadrados.

Mês Caixas
Jan 100 Fev 110 Mar 125 Abr 135 Maio 140 Jun 153 Jul 167
1 45Prof.
70 100 10083 2 335 370 585 725 3 520 59
Maick
Lopes 215 Total 1.000 1.200 1.800 2.2

Modelos Quantitativos de Previsão Lopes


Ajustamento Sazonal

• utilizado em previsões que apresentam comportamento sazonal.

Trimestre Ano 1 Ano 2 Ano 3 Ano 4

05/08/2016Modelos Quantitativos de Previsão Ajustamento Sazonal


• utilizado em previsões que apresentam comportamento sazonal.

Trimestre Ano 1 Ano 2 Ano 3 Ano 4


1 45 70 100 100 2 335 370 585 725 3 520 590 830 1.160 4 100 170 285 215 Total 1.000 1.200 1.800 2.20
Média 250 300 450 55

• para desenvolver o método, deve-se determinar a mé

e os coeficientes de sazonalidade para cada períod

dos anos.
Prof. Maick 85
Lopes
Trimestre Ano 1 Ano 2 Ano 3 Ano 4
1 45/250 = 0,18 70/300 = 0,23 100/450 = 0,22 100/550 = 0,18
585/450 = 1,30 725/550 = 1,32 3 520/250 = 2,08 590/300 = 1,9
100/250 = 0,40 170/300 = 0,57 285/450 = 0,63 215/550 = 0,39

Modelos Quantitativos de Previsão


Ajustamento Sazonal
Prof. Maick 86
Lopes

05/08/2016Modelos Quantitativos de Previsão Ajustamento Sazonal


• com esses valores, determina-se o coeficiente médio de sazonalidade de cada período de cada ano.

Trimestre Ano 1 Ano 2 Ano 3 Ano 4 Média


1 0,18 0,23 0,22 0,18 0,20 2 1,34 1,23 1,30 1,32 1,30 3 2,08 1,97 1,84 2,11 2,00 4 0,40 0,57
0,63 0,39 0,50
trimestre), teremos como previsão de cada trimestre

Trimestre Cálculo Previsão 1 625 * (


625 * (1,2979) 811,17 3 625 * (2,0001
* (0,4977) 311,08
Prof. Maick 87
Lopes

Lopes
Modelos Quantitativos de Previsão
Ajustamento Sazonal

• supondo uma previsão de 2.500 unidades para o ano 5 (média de 625 por

05/08/2016Exercício

• Uma empresa de fertilizantes deseja elaborar uma previsão de vendas para cada trimestre do ano 6. Os

fertilizantes têm um comportamento de venda sazonal, apresentado abaixo (em milhares de toneladas).

Desenvolva um modelo de ajustamento sazonal, sabendo que para o ano 6 deverão se consumidos 1.500

toneladas.

Trimestre Ano 1 Ano 2 Ano 3 Ano 4 Ano 5 1 200 250 320 350 400 2 100 150 210 190 230 3 50 100
160 140 160 4 300 450 600 500 530 Total 650 950 1.290 1.180 1.320 Média 162,5 237,5 322,5 295,0
330,0

Prof. Maick 89
Lopes
1 375 375 x 1,13 425,57 2 375 375 x 0,65
Resolução do Exercício 0,44 163,82 4 375 375 x 1,78 667,67

• primeiro, calculamos os índices de sazonalidade:


Lopes
Trimestre Ano 1 Ano 2 Ano 3 Ano 4 Ano 5 Média 1 1,23 1,05 0,99 1,19 1,21
1,13 2 0,62 0,63 0,65 0,64 0,70 0,65 3 0,31 0,42 0,50 0,47 0,48 0,44 4 1,85
1,89 1,86 1,69 1,61 1,78

• depois, obtemos a previsão para o ano 6

Trimestre Média Previsão Previsão

Exercício 1
• Uma empresa, fabricante de cosméticos, possui um histórico de vendas no ano de 2015, conforme tabela a seguir:
• Pede-se: a) Computar duas séries de médias móveis simples (n=3 e n=5) b) Qual a melhor série a ser utilizada ? Porque
91

Exercício 2
• O registro de vendas de uma empresa, por trimestre, é mostrado a seguir:
• Pede-se: a) Realizar uma reta de tendência (utilizar o Excel) b) Obter os índices sazonais trimestrais c) Projetar as venda
utilizando os dados até 2014 e corrija-os por meio dos índices sazonais
92

05/08/2016Prof. Maick Lopes


Prof. Maick Lopes

46
Coeficiente de correlação
• O coeficiente de correlação varia entre +1 e -1.
• Um coeficiente de variação positivo indica uma reta ascendente, enquanto um coeficiente de correlação negativo indica

descendente.
• Para que se tenha uma boa correlação, a experiência recomenda que o valor mínimo de r seja 0,7 em valor absoluto.

Coeficiente de Determinação
• O coeficiente de determinação verifica o nível de ajustamento da reta aos dados.
• Ou seja, o coeficiente de determinação indica o quanto a reta de regressão explica o ajuste da reta, enquanto que o

de correlação deve ser usado como uma medida de força da relação entre as variáveis.
• Coeficiente de determinação = r2
05/08/2016Prof. Maick Lopes
Prof. Maick Lopes

47
05/08/2016Controle do Modelo de Previsão Selecionado
• Uma vez identificado o modelo de previsão que melhor se ajusta aos dados, o modelo é utilizado para prever os valor
próximos período.
• Porém, não se pode garantir que o modelo selecionado continue, indefinidamente, a representar adequadamente o fe

verdadeiro.
• Dessa forma, há a necessidade de instrumentos que permitam o acompanhamento do modelo escolhido e a avaliaçã

ainda representa o fenômeno.


• Para isso, duas ferramentas podem ser utilizadas:
• Sinal de Rastreamento ou Tracking Signal (TS)
• Sinal de Trigg (TR)
Prof. Maick 95
Lopes

Sinal de Rastreamento (TS)


• é calculado da seguinte forma:
• deve variar entre -3 e 3; estando nesse intervalo, o modelo de previsão continuará válido.
• Exemplo:
Prof. Maick Lopes

48 TS = Desvio Acumulado = DA
Desvio Absoluto Acumulado Médio DAAM
Período 1 2 3 4 5 6 Realizado 100 110 120 130 140 120 Previsão 120 120 120 120 120 120 Desvio -20 -10 0 10 20 0 Desvio Acumulado -20 -30 -30 -20 0 0 Desvio Absoluto
Desvio Absoluto Acumulado 20 30 30 40 60 60 Desvio Absoluto Acumulado Médio 20 15 10 10 12 10 TS = DA / DAAM -1 -2 -3 -2 0 0 96

05/08/2016Sinal de Trigg (TR)


• é calculado da seguinte forma:
TR = Erro Médio Exponencial = EME
Desvio Absoluto Acumulado Médio DAAM
• EME = (Desvio Médio ) t + (1-alfa) * (EME t-1
), 0 < alfa < 1.
• Se ficar entre -1 e 1, aceitar o modelo.
• Exemplo (considere alfa=0,1): Período 1 2 3 4 5 6 Realizado 100 110 120 130 140 120 Previsão 120 120 120 120 120 120 Erro (ou Desvio) -20 -10 0 10 20 0 Erro (ou De
4 0 EME - - 5,00 - 4,50 - 1,55 2,61 2,34 Desvio Absoluto 20 10 0 10 20 0 Desvio Absoluto Acumulado 20 30 30 40 60 60 Desvio Absoluto Acumulado Médio 20 15 10 10 12 10 TR = EME
- 0,16 0,22 0,23 Prof. Maick 97
Lopes

Demonstrativo do Cálculo do EME na obtenção do Sinal de Trigg (TR


• EME = (Desvio Médio ) + t (1-alfa) * (EME ), t-1
0 < alfa < 1
• alfa = 0,1
Período 1 2 3 4 5 6 Realizado 100 110 120 130 140 120 Previsão 120 120 120 120 120 120 Erro (ou Desvio) -20 -10 0 10 20 0 Erro (ou Desvio) Médio -20 -5 0 2,5 4 0 EME - - 5,00 - 4,50 -
Absoluto 20 10 0 10 20 0 Desvio Absoluto Acumulado 20 30 30 40 60 60 Desvio Absoluto Acumulado Médio 20 15 10 10 12 10 TR = EME / DAAM - - 0,33 - 0,45 - 0,16 0,22 0,23
EME (2) = (Desvio Médio (2) + (1-alfa) * (EME (1)) EME (2) = (-5,0) + (1-0,10) * (0) EME (2) = (-5,0) + 0 = -5,0
98

Prof. Maick Lopes

49

05/08/2016Demonstrativo do Cálculo do EME na obtenção do Sinal de Tr


• EME = (Desvio Médio ) + t (1-alfa) * (EME ), t-1
0 < alfa < 1
• alfa = 0,1
Período 1 2 3 4 5 6 Realizado 100 110 120 130 140 120 Previsão 120 120 120 120 120 120 Erro (ou Desvio) -20 -10 0 10 20 0 Erro (ou Desvio) Médio -20 -5 0 2,5 4 0 EME - - 5,00 - 4,50 -
Absoluto 20 10 0 10 20 0 Desvio Absoluto Acumulado 20 30 30 40 60 60 Desvio Absoluto Acumulado Médio 20 15 10 10 12 10 TR = EME / DAAM - - 0,33 - 0,45 - 0,16 0,22 0,23
EME (3) = (Desvio Médio (3) + (1-alfa) * (EME (2)) EME (3) = (0) + (1-0,10) * (-5,0) EME (3) = 0,90 * (-5,0) = -4,50
99

Prof. Maick Lopes


Prof. Maick Lopes

50