10/16/2013

Aula 8
Necessidades de Previsão da Cadeia de
Suprimentos

Logística EEI958
Prof. Lino G. Marujo

Parte IV – Estratégia de Estoque

Capítulos
8 a 12

Capítulo 8: visão geral das técnicas de previsão indicadas

para o planejamento e controle logístico.
Previsão de demanda, prazos de entrega, preços e custos
Controle de estoques, economia em compras, controle de custos

1
 10/16/2013

Roteiro

Natureza das previsões

Métodos de previsão

Técnicas úteis para os profissionais de logística

Problemas especiais de previsão para os profissionais de
logística

Previsão colaborativa

Flexibilidade e resposta rápida – uma alternativa à previsão

Natureza das previsões

 Demanda Temporal: varia com o crescimento da taxa de vendas,
sazonalidade ou flutuações  QUANDO
 Demanda Espacial: varia conforme diferenças geográficas e níveis de
agregação da demanda  ONDE

 Demanda Regular: possui componentes de tendências, sazonais ou

aleatórios
 Demanda Irregular: demanda intermitente em função do baixo volume e da
incerteza

 Demanda Dependente: deriva de exigências especificadas em programas

de produção, pode ser estimada com exatidão, previsão perfeita
 Demanda Independente: deriva de necessidades individuas de clientes,
pode ser estimada por previsão estatística, aleatoriedade

2
 10/16/2013

Padrões das séries temporais:

aleatório
250

200

150
Sales

A c tu a l s a le s
100 A v e ra g e sa le s

50

0
0 5 10 15 20 25
T im e

CR (2004) Prentice Hall, Inc. 8-6

Padrões das séries temporais:

aleatório com tendência
250

200
Sales

150

100
Actual sales
50 Average sales

0
0 5 10 15 20 25
Time

CR (2004) Prentice Hall, Inc. 8-7

3
 10/16/2013

Padrões das séries temporais: aleatório

com tendência e sazonalidade

800
700
600
500
Sales

400
300
200 A c tu a l s a le s
T re n d in s a le s
100 S m o o th e d tre n d a n d s e a s o n a l s a le s
0
0 10 20 30 40
T im e

CR (2004) Prentice Hall, Inc. 8-8

Padrões das séries temporais:

LUMPY
Sales

Time

CR (2004) Prentice Hall, Inc. 8-9

4
 10/16/2013

Métodos de previsão

 Métodos Qualitativos
 Recorrem a julgamento, intuição, pesquisas ou técnicas comparativas
 Produzem estimativas quantitativas sobre o futuro
 Previsões são afetadas por fatores subjetivos
 Dados históricos não são relevantes
 Previsões são de médio a longo alcance

Métodos de previsão

 Métodos de Projeção Histórica

 Necessário ter dados históricos para que as tendências e variações
sazonais sejam estáveis e bem definidas
 Previsão de curto prazo: exatidão e estabilidade
 Premissa básica: padrão de tempo futuro será uma repetição do
passado
 Uso de modelos matemáticos e estatísticos

5
 10/16/2013

Métodos de previsão

 Métodos Causais
 Premissa básica: nível da variável de previsão depende do nível de
outra(s) variável(is)
 Com boas relações de causa-e-efeito  efetividade na previsão
 Dificuldade em encontrar variáveis causais
 Modelos em formatos estatísticos (modelos de regressão e
econométricos) e descritivos (modelos de entrada e saída, ciclo de
vida e simulação)

Técnicas úteis para os profissionais de

logística
 Ponderação Exponencial
 Ideal para previsão a curto prazo
 Necessita de um mínimo de dados
 Simplicidade
 Precisão
 Adapta-se às mudanças fundamentais nos dados de previsão
 Média móvel em que as observações mais recentes recebem peso
maior que as mais antigas:

Ft+1: previsão para o próximo período t+1

α: constante da ponderação exponencial, 0 a 1
Ft +1 = α . At + (1 − α ).Ft
At: demanda no período t
Ft: previsão para o período t

6
 10/16/2013

Técnicas úteis para os profissionais de

logística
 Ponderação Exponencial
Ft +1 = α . At + (1 − α ).Ft

maior α menor α

maior peso à demanda maior peso ao histórico

recente de previsões

maior agilidade na menor agilidade na

resposta às mudanças resposta às mudanças,
estabilidade

Técnicas úteis para os profissionais de

logística
 Ponderação Exponencial (Exemplo pág. 249)
Demanda prevista mês em curso: 1000 unidades  Ft
Demanda real mês corrente: 950 unidades  At
Constante de ponderação: 0,3 α
Valor esperado da demanda do próximo mês?  Ft+1

Ft +1 = α . At + (1 − α ).Ft
Ft +1 = 0,3.950 + (1 − 0,3).1000
Ft +1 = 0,3.950 + 0,7.1000
Ft +1 = 285 + 700
Ft +1 = 985unidades

7
 10/16/2013

Técnicas úteis para os profissionais de

logística
 Ponderação Exponencial (Exemplo pág. 250)
Trimestre
Α=0,2
1 2 3 4
Ano passado 1200 700 900 1100 Média = 975
Este ano 1400 1000 F3=?

F1 = α . A0 + (1 − α ).F0 = 0,2.1100 + (1 − 0,2).975 = 1000unidades

F2 = α . A1 + (1 − α ).F1 = 0,2.1400 + (1 − 0,2).1000 = 1080unidades

F3 = α . A2 + (1 − α ).F2 = 0,2.1000 + (1 − 0,2).1080 = 1064unidades

Técnicas úteis para os profissionais de

logística
 Ponderação Exponencial
 Corrigindo a tendência
Ft +1 = S t +1 + Tt +1
St +1 = α . At + (1 − α ).(S t + Tt )
Tt +1 = β .( S t +1 − S t ) + (1 − β ).Tt

Ft+1: previsão com tendência corrigida para t+1

St: previsão inicial para o próximo período t
Tt: tendência para o período t
b: constante ponderada da tendência, 0 a 1

8
 10/16/2013

Técnicas úteis para os profissionais de

logística
 Ponderação Exponencial
 Corrigindo a tendência (Exemplo pág 251)
S0= 975; T0=0; β=0,3; α=0,2
F1 = [α . A0 + (1 − α ).(S 0 + T0 )] + [ β .( S1 − S 0 ) + (1 − β ).T0 ]
F1 = [0,2.1100 + (1 − 0,2).(975 + 0)] + [0,3.(1000 − 975) + (1 − 0,3).0]
F1 = 1000 + 7,5 = 1007,5

F2 = [α . A1 + (1 − α ).( S1 + T1 )] + [ β .( S 2 − S1 ) + (1 − β ).T1 ]
F2 = [0,2.1400 + (1 − 0,2).(1000 + 7,5)] + [0,3.(1086 − 1000) + (1 − 0,3).7,5]
F2 = 1086 + 31,05 = 1117,05

F3 = [α . A2 + (1 − α ).( S 2 + T2 )] + [ β .( S 3 − S 2 ) + (1 − β ).T2 ]
F3 = [0,2.1000 + (1 − 0, 2).(1086 + 31,05 )] + [0,3.(1093 ,64 − 1086 ) + (1 − 0,3).31,05 ]
F3 = 1093 ,64 + 24 ,03 = 1117 ,67 ≅ 1118

Técnicas úteis para os profissionais de

logística
 Ponderação Exponencial
 Corrigindo tendência e sazonalidade
Condições: 1- Picos e vales devem ter motivos conhecidos
2- Variação sazonal deve ser maior que as variações aleatórias
Ft +1 = (S t +1 + Tt +1 ).I t − L +1
S t +1 = α .( At / I t − L ) + (1 − α ).( S t + Tt )
Tt +1 = β .( S t +1 − S t ) + (1 − β ).Tt
I t = γ .( At / S t ) + (1 − γ ).I t − L
Ft+1: previsão e tendência corrigidas sazonalmente para t+1
γ: constante de ponderação do índice sazonal, 0 a 1
It: índice sazonal para o período t
L: tempo de uma estação completa

9
 10/16/2013

Técnicas úteis para os profissionais de

logística
 Ponderação Exponencial
 Definição dos Erros de
Previsão
Projetar uma faixa para a Range
demanda real
Previsão estatística  desvio
padrão
Erro de previsão = demanda SF = 408
real – demanda prevista
F3=1064
SF: erro padrão da previsão
∑ (A
t
t − Ft )
2
At: demanda real no período t
SF =
N −1 Ft: previsão para o período t
N: número de períodos de previsão

Técnicas úteis para os profissionais de

logística
 Ponderação Exponencial
 Definição dos Erros de Previsão (Exemplo pág. 253)
Erro normalmente distribuído
Dois períodos  N=2
Intervalo de confiança de 95%  IC
Erro padrão da previsão?  SF

∑ (A − Ft )
2

SF = t
t
=
(1400 − 1000)2 + (1000 − 1080 )2 = 407,92
N −1 2 −1

Demanda = F3 ± z (1− IC ) / 2 .S F = 1064 ± 1,96.407,92 = 1064 ± 800

264 < Demanda < 1864

10
 10/16/2013

Técnicas úteis para os profissionais de

logística
 Ponderação Exponencial
 Monitorando o Erro de Previsão
• Funciona por meio de um sinal de
rastreamento do nível de erro, que
não pode exceder um limite
especificado
• Permite a revisão continuada da
constante de ponderação
• Adequado para mudanças rápidas
no nível de demanda
• Também pode ser utilizado em
períodos de estabilidade, porém
necessária a limitação do valor da
constante

Técnicas úteis para os profissionais de

logística
 Decomposição Clássica da Série de Tempo
 Simplicidade matemática
 Preciso
 Grande aceitação
 Fundamentado na decomposição da série histórica em: tendência,
variação sazonal, variação cíclica e variação residual

F: demanda prevista [unidades ou $]

T: nível da tendência [unidades ou $]
F =T + S +C + R S: índice sazonal
C: índice cíclico
R: índice residual

11
 10/16/2013

Técnicas úteis para os profissionais de

logística
 Decomposição Clássica da Série de Tempo
Na prática: R e C ~ 1;
T ~ ajustado por média móvel ou pelo método dos mínimos quadrados.
Para linha de tendência linear:
T = a + b.t N: número de observação usadas no
desenvolvimento da linha de tendência
b=
∑ D .(t ) − N .D .t
t
Dt: demanda real em t
∑ t − N .t
2 2

D: demanda média em N períodos

a = D − b.t t : média de t em N

S ~ ajustado para cada período considerado

St: índice sazonal em t
S t = Dt / Tt
Tt: valor da tendência determinada por T=a+b.t

Técnicas úteis para os profissionais de

logística
 Decomposição Clássica da Série de Tempo (Ex. pág. 255)
Previsão
($000s)

Equação da tendência
18.602
Valores dados 20.945

Cálculos de a e b

Cálculo da
previsão

12
 10/16/2013

Técnicas úteis para os profissionais de

logística
 Análise de Regressão Múltipla
Demanda (variável dependente) associa-se a n variáveis
Pacotes estatísticos fazem a regressão (mínimos quadrados) e avaliação

Exemplo pág. 257

Equação de previsão de vendas para o verão [milhares de dólares]:
F=-3016+1211.X1+5,75.X2+109X3
X1: tempo [anos]
X2: números de compras durante a estação
X3: mudança líquida mensal nas dívidas a prazo dos clientes [%]

X1=6; X2=2732; X3= 8,63

F=-3016+1211.6+5,75.2732+109.8,63=US$20,9milhões

Problemas especiais de previsão para os

profissionais de logística
 Lançamento de produtos
Geralmente não há dados históricos para iniciar o processo de previsão,
então uma estimativa inicial pode ser feita a partir de:
 Profissionais de marketing, pois conhecem o nível de esforço
promocional do produto e a aceitação a ser esperada do cliente;
 Padrão de demanda de produtos similares já em linha;
 Modelo de ponderação exponencial com alto valor de α (0,5).

13
 10/16/2013

Problemas especiais de previsão para os

profissionais de logística
 Demanda Irregular
Difícil de se fazer previsão exata por métodos numéricos, sugere-se:
 Fazer previsão separadamente (e com métodos específicos) de produtos
de demanda irregular dos de demanda regular
 Não reagir com rapidez às mudanças inexplicáveis nos níveis de demanda;
 Utilizar a ponderação exponencial;
 Aumentar os níveis (de estoque) para compensar previsão inexata em
casos de baixo nível de demanda.

Problemas especiais de previsão para os

profissionais de logística
 Previsão Regional
Deve-se optar pela agregação ou desagregação geográfica da previsão, sendo
que a previsão no nível mais agregado resulta em um valor mais preciso que a
soma das previsões individuais.

14
 10/16/2013

Problemas especiais de previsão para os

profissionais de logística
 Erro de previsão
Não há modelo único de previsão ideal para todas as situações. Os erros
de previsão podem ser reduzidos com a aplicação combinada de diversas
técnicas, tais como:
 Previsão baseada em regras (se-então);
 Caminhada aleatória;
 Ponderação exponencial;
 Regressão.
Porém é necessário ter bom conhecimento da aplicação.

Problemas especiais de previsão para os

profissionais de logística
 Erro de previsão (Exemplo pág. 259)

Combinação dos métodos de previsão:

R: regressão múltipla
ES1: ponderação exponencial
ES2: combinação pond. exp. e regressão
MJ: opinião e experiência da gerência

Ponderar os resultados de cada um dos métodos de previsão da demanda

para o outono de acordo com o erro médio histórico produzido por cada
um deles.

maior erro  menor peso

15
 10/16/2013

Problemas especiais de previsão para os

profissionais de logística
 Erro de Previsão (Exemplo pág. 259)

Porporção ponderadab
$11.813.000
6.732.000
883.000

780.000

$20.208.00

Previsão colaborativa

 Utilizada em casos de demanda incerta

 Premissa: “duas cabeças pensam melhor do que uma”
 Participação multifuncional (marketing, operações, logística, financeiro,
compras) ou em vários níveis da cadeia de suprimentos (vendedores,
transportadores, compradores)
 Exige partilha, coordenação, comprometimento e entendimento.
 Passos para a administração da equipe:
 Designar um líder para promover a comunicação, cronograma;
 Identificar o tipo de informação necessária (quem, quando e quanto);
 Definir métodos de processamento das informações;
 Distribuir informações no formato útil para cada interessado;
 Dispor de método para revisão e atualização das previsões;
 Avaliar o processo de previsão colaborativa.

16
 10/16/2013

Flexibilidade e resposta rápida – uma

alternativa à previsão
Defasagem no tempo de suprimento da demanda?
Utiliza-se a previsão para que as necessidades de produção ou compras
sejam supridas quando ocorrerem.

 Demanda regular  Suprimento baseado na demanda prevista

 Demanda altamente imprevisível  Abordagem alternativa...

“Se os processos de cadeia de suprimentos podem ser flexibilizados e

passar a reagir com rapidez às necessidades de demanda, a necessidade
de previsão é pequena.”

17