Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo
Decisões gerenciais são de extrema importância, já que envolvem o planejamento e
dimensionamento de recursos de diferentes horizontes de tempo. Com isso verifica-se a
necessidade de previsões de demanda mais precisas, permitindo assim, o melhor
planejamento de operações de compra de insumos e serviços logísticos a um custo mais
baixo. O presente artigo tem como objetivo principal escolher a melhor previsão para três
famílias de tecidos (Malha Fria, Tactel e Tricoline) de uma malharia, com histórico de dados
de 36 meses. Considerando a análise dos erros, desenvolvendo um modelo de previsão
da demanda para cada uma das três famílias, baseado em séries temporais de média,
tendência e sazonalidade e montar um gráfico com a demanda histórica e a demanda
prevista para os doze próximos períodos. Assim sendo, através da análise de previsão da
demanda, tarefa e atividade da situação proposta, foi possível verificar o método mais
indicado a previsão de cada família nos próximos 12 períodos.
1 Introdução
2 Fundamentação Teórica
(1)
Onde:
Pt+1 - Previsão para o período t+1
Rt - Demanda real ocorrido em t
n - número total de registros ou ocorrências passadas
Uma das características deste tipo de modelo é que todos os dados possuem o
mesmo peso ou importância no cálculo de previsão, o que pode ser inoportuno, caso a
intenção seja dar às observações mais antigas menor impacto.
São variações que ocorrem, para cima ou para baixo em intervalos regulares. Existe
uma razão para a ocorrência, e repetições das variações. A sazonalidade pode ser anual,
mensal, semanal ou até mesmo diário. Essa sazonalidade e expressa em quantidade ou
percentagem, onde a demanda sofre um desvio dos valores médio da série
(TUBINO,2009). 3
3 Erros de Previsão
De acordo com Fernandes e Godinho (2010), vários fatores podem ocasionar erros
na Previsão de Demanda, sendo os principais fatores a aleatoriedade do mercado,
inevitável e difícil de controlar, e a falha no processo de escolha ou modelagem das
técnicas de previsão. Uma vez escolhida a técnica de Previsão de Demanda, é necessário
monitorá-la, para verificar se ela continua válida apesar da atualização dos dados. A
manutenção e monitoração do modelo também pode buscar verificar a acuracidade dos
valores previstos, identificar variações anormais e permitir a escolha de técnicas mais
eficientes através de comparações (TUBINO, 2009). Segundo Tubino (2009), o erro
acumulado deve tender a zero, e corresponde à diferença entre o valor da demanda real e
da demanda prevista. O autor apresenta outra forma de monitorar o modelo de previsão,
o MAD (Mean Absolute Deviation), conforme a Equação 2:
(2)
Em que Datual é a demanda ocorrida no período, Dprevista é a demanda prevista no
período e n o número de períodos. O erro acumulado deve ser comparado com o múltiplo
do desvio médio absoluto, o 4 MAD. Quando ultrapassar esse valor, o problema deve ser
identificado e o modelo deve ser revisto (TUBINO, 2009). Se o valor do 4 MAD der abaixo
do erro de previsão, o modelo de previsão para a demanda escolhido funciona
adequadamente, apresentando apenas erros decorrentes de variações aleatórias.
4 Metodologia
5 Resultados e discussões
Para a escolha do método de Previsão de Demanda foram coletados dados de
demanda de 36 meses anteriores que estão dispostos na Tabela 1.
Como pode-se ver na Tabela 3, o Método Exponencial Móvel obteve o menor MAD,
que é a diferença entre o valor real da demanda e o valor previsto do modelo para dado
período, ou seja, o menor erro para a previsão da demanda futura.
Observa-se na Tabela 4 onde foi comparado a previsão pela equação linear e pelo
ajustamento Exponencial de Tendência, obteve-se os seguintes valores de MAD, (Tabela
5):
Tabela 5 - MAD comparativo Equação Linear x Ajustamento Exponencial Tendência
No caso da família Tricoline (Vermelho), foi observado pelo gráfico 1, que ela se
comporta com sazonalidade, portanto para análise da mesma foi usado ciclo de 6 períodos,
portanto teremos 6 valores IS médio, como foi feito em ciclos pares, precisou-se fazer
interpolação. Períodos correspondentes ao mesmo ponto do ciclo de sazonalidade terão o
mesmo IS na tabela "Cálculo Tendência" e "Previsão". Ou seja, o IS nessas tabelas do
período 1 será igual ao dos períodos 7, 13, 19, etc.
Após verificado IS médio para os 6 períodos foi montado a planilha para determinar
a tendência, que é dado pela demanda real sem o efeito da sazonalidade, ilustrando
portanto somente a tendência existente, no gráfico 2, no histórico de 36 meses.
Tend D. Real
20,000
15,000
10,000
5,000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
D. Real D. Prevista
6 Conclusão
7 Bibliografia
RASMUSSEN, R. On Time Series Data and Optimal Parameters. Omega. v. 32, n.2, p.
111-120, 2004
MOON, M; MENTZER, J.; SMITH. C.; GARVER, M. Seven Keys to Better Forecasting.
Business Horizons. v. 41, n. 5,p. 44-52, 1998.